Logicalis公司解决方案和服务高级副总裁迈克•马丁表示,14个关键技术领域可以采用私有云计划,首席信息官们应该兑现其对于组织采用私有云的承诺。
私有云正迅速获得普及。事实上,根据调查机构Gartner公司去年年底进行的数据中心大会的一项民意调查显示,当问到“请问您的企业是否想在今年追求一个私有云计算战略?”78%的企业回答“是”。
企业在追求私有云战略时,第一步是结合一个现实的评估业务目标进行发展,然后有条不紊的实施,逐步满足这些目标的策略。Logicalis公司已经制定了“私有云基础核对表”,概述了14个重点技术领域的首席信息官们履行其私有云的承诺之前应该解决的问题。
移动IT基础架构可以充分利用云计算,大量的未知领域的大多数IT部门采用公共云或私有云是一个漫长的旅程,而其成功的关键是制定一个战略,将短期需求与长期目标相一致。
人们面临的挑战正在升级,修改和在某些情况下,创造了各种不同的系统必须共同努力,以实现企业部署私有云的计划。IT管理人员必须检查业务的现有的信息基础设施和政策,以确定他们是否具备云计算部署的准备能力。
私有云基础所提供的核对清单中14个行业领域:
(1)服务器硬件:某些类型的服务器平台有助于在IT环境中实现云服务所需的动态配置能力。刀片式服务器和可扩展服务器对于那些虚拟化工作负载都是不错的选择。
(2)存储:基于SAN的存储空间,提供了实现先进功能的能力,如远程复制服务,快照和克隆等选择。对于工作负载,诸如光纤通道或以太网光纤通道(FCoE)适当的大小和范围的连接方法,这是至关重要的。
(3)网络:支持融合网络灵活的结构化网络环境10Gbps以太网,其灵活的安全性和负载均衡能力基于云计算的架构是非常重要的。
(4)数据备份系统:一个动态的云计算环境可以对企业备份解决方案增加额外的要求。整合与虚拟化平台和先进的调度能力对于防止性能和规模扩大问题是非常可取的。
(5)虚拟化:虚拟化并没有基于云计算环境的要求,但一个成熟的虚拟化基础架构可以显著减少实现云计算能力的时间。
(6)系统管理/监控:一个成熟的系统管理基础设施是数据中心平稳运行,以及故障排除和性能的客观测量的关键。
(7)服务流程:服务编排的能力对于集中控制的任务所需的部署,文件和云系统所需要任务的能力的环境是至关重要的,以减少部署时间,并提高云环境更高层次的一致性和效率。
(8)配置管理:配置管理工具可以说明服务器和应用程序之间的交互和依赖关系,并有助于确保符合企业和行业管理的规章制度。
(9)Chargeback/showback:Chargeback/showback是分配成本的资源消耗(即硬件、楼间距、电源/冷却、许可和IT人员),确保用户不采取“自我调配”来表示“即时满足”。
(10)性能/容量规划工具:这些工具预测增长模式和运行模拟增长情景,主动确定需要资本投资的时候是必要的。
(11)服务目录:服务目录是IT服务的组织提供给它的员工或客户名单;目录描述每个服务,与服务相关的SLAs,谁有权服务以及与服务相关的成本。
(12)变更管理/CMDB:配置管理数据库(CMDB)-ITIL框架的配置管理流程图,基波分量流程映射关键组成部分的关系,并跟踪它们的配置。
(13)采用SaaS:软件即服务(SaaS)主机申请的应用导致了业务部门订阅SaaS应用。扩展治理包括必须在私有云战略来解决的SaaS。
(14)关键应用的PaaS管理:平台即服务(PaaS)解放了底层硬件上部署应用,软件和配置能力,支持创建和交付云计算的Web应用程序和服务,简化部署的整个生命周期,缩放和管理多层应用程序和多租户环境。
所有这些系统都是相互依存,相互作用,必须顺利地部署出功能齐全的私有云环境。好消息是,他们不必一次全部解决。
关于作者
迈克•马丁是美国Logicalis公司解决方案和服务高级副总裁,并负责美国战略和服务。拥有超过15年的IT行业经验,迈克有着丰富的管理,咨询经验和技术知识。
Logicalis公司是托管服务提供商和托管服务组织的解决方案集成商,Logicalis公司提供独特的定位提供/构建云解决方案。该公司从咨询的角度来看待云解决方案,以满足该组织的业务需求。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。