考虑将业务迁移到云计算吗?企业现在可以从知名的提供商获得更多的选择:公共云,私有云,以及混合选项,并且可以采用满足企业需求的SaaS,PaaS和IaaS的任何组合。如今业界还有一个新的趋势,称为多云,允许企业使用多个云计算提供商的价格和服务的最佳组合。根据调查机构CloudTech公司的报告,超过77%的受访企业表示他们计划在“不久的将来”实施多云架构。然而,管理多云并不容易的,如果云计算的扩张或成本失控,企业可以发现自己在投资回报率的出现问题。以下是最大限度提高多云投资的五个最佳实践。
了解起源
在企业有效地实施多云战略之前,了解这个服务方法的起源至关重要。例如,TechBeacon指出,云计算的诞生“不是来自IT必要性,而是来自于业务需求”。各种业务要素需要支持,本地IT业务已经过度工作,只是管理日常操作-不能提供。因此,出现了基于云计算的服务,如客户关系管理(CRM)工具和营销自动化,其次是更广泛地采用云计算平台,这些平台支持IT运行,但更重要的是帮助实现了业务目标。
多云管理并没有什么不同。虽然它具有赋予实现IT目标的作用,但其真正目的是减少支出并最大化效率。采用同样的方式,企业不为所有其他业务线(LoB)需要使用相同的供应商,有意义的是多样化云而不是使用一个“通用”提供商。认识到云计算及其多云继承者的起源,可以让你在底线的基础上做出决定,而不是只是试图“跟上”其他采用者的步伐。
做出明智的选择
管理多个云提供商是很困难的。首先,确保所有必要的服务适合所有的解决方案,这是至关重要的,否则采用多云没有意义,如果企业的信息基础设施有差距。监控和跟踪所有云计算服务中的潜在网络问题或进行访问控制,拒绝执行和安全漏洞的风险问题也很重要。正如云计算媒体指出,解决这个问题的一种方法是与第三方的云计算公司合作,帮助管理和实施所有云服务。企业的最佳实践就是做出明智的选择。企业正在寻找一个具有经验的提供商,不仅在部署和管理云计算解决方案,而且还能够快速响应和解决服务交互时出现的任何冲突。此外,企业的管理提供商应提供有关云计算解决方案状态的定期和直接的报告。
获取自动化
除了高级监督之外,企业还需要一种方法来简化特定云服务的管理。例如,企业可以使用单个提供程序来提供数据收集和分析工具,但是大量信息用于获取和获得可操作的优势所需的时间可能会降低此服务的效用。这个解决方案是什么?寻找可让企业自动执行重复性任务,并减少低级流程所需的IT监督量的工具,从而为技术专业人员腾出空间进行创新和改进。
它也是至关重要的部署工具,可以收集所有可用的云服务的数据,创建一个“主列表”,随着新的供应商或解决方案的出现,它们会不断更新。此外,寻找旨在收集网络问题数据并帮助确定根本原因的应用程序。当企业同时使用多个云服务时,终端用户问题的机会急剧增加。正如行业专家所指出的,在没有正确帮助的情况下,识别源是耗时的。
了解你的用户
最终用户如何与多云解决方案进行交互?他们是否喜欢特定的供应商或服务?他们的活动是否符合现有的IT政策?在这里,主要的是,企业应该定期映射息的用户群,并发现他们如何,何时,在哪里,以及为什么与云计算交互。这样做为企业的多云部署提供了“更大的愿景”,并且可以确定特定服务是否未充分利用,以及是否需要考虑缩减,或者员工是否遇到的性能界限,需要更多的发展空间。
企业还可以定期审核用户行为和访问的服务。这种做法提供了两个明显的优势:首先,企业可以更好地了解多云如何影响自己的网络。用户是否更频繁地从其桌面或移动设备访问特定服务?是通过无线还是有线网络?为了什么目的和持续时间?其次,通过定期审计,企业可以跟踪可能提供相同功能的多个服务,从而允许企业单独评估每个服务,并只保留那些最大化业务利益的服务。
锁定
多云管理的另一个挑战是成本。虽然选择多个服务,而不是单一的供应商是一个成本驱动的策略,很容易忽视这个目标,因为企业网络上的应用程序和解决方案的数量迅速增加。在企业知道之前,企业将比那些使用大型供应商的公司花费更多的“成本效益”。
控制成本超支意味着加倍减少最佳实践。通过管理企业的采购流程开始虽然它可能有利于打开大门,并让用户在首次推出多云方案时能够获得所需的内容,这可能是有益的,但一旦蜜月阶段结束,就可以决定采用并设计具体的采购程序。这个过程可能意味着所有云计算采购通过IT进行路由批准或设计内部请求过程,需要服务评估,签署和保持记录,以确保物有所值。企业需要实现什么时候逐步淘汰云服务设计一个通用的报废程序,这也是一个好主意。确保删除所有用户帐户和订阅选项,并确保所有的数据都转移回企业的控制中心。提供商不应保留企业的任何数据,并谨防任何第三方要求企业签署SLA这一效应的影响。
多云正在获得成功,因为企业希望最大限度地利用云计算投资,并跳过通用的服务以支持特定产品。然而,为了获得多云实现的回报,了解起源,选择优秀的提供商,自动化服务,锁定额外支出和了解用户才是至关重要的。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。