云为IT提供了全新的成本模型,基于弹性和按需付费的方式。大多数公司不得不重新考虑他们的项目计划,更好的使用云,但很多公司并没有意识到很容易就会部署的太多,这一挑战被称为云服务滥用。
除非你采取措施控制它,云服务滥用可能会破坏你的项目计划。 云服务滥用是指不断增加云资源,使得部署变得非常昂贵。
公司通常会引用三个云服务滥用的原因:缺乏对云资源的总体协调, 多个云供应商的不合理运用,以及为一个应用配置过多的资源。然而,只要有合理的云资源管理,这一切都是可以避免的。
总体协调,设立政策是关键
云计算是一项支出,而不是一个资本项目。很多公司对于IT服务,比如云计算,不进行严格的采购控制,这意味IT部门或业务部门不需要审查,就可以购买新的云服务。
公司的公有云服务是一个虚拟数据中心,需要进行优化,从而共享。这并不意味着总部的IT团队需要管理所有的公有云使用,但他们应该设立基本的指导方针,以确保用户没有浪费云资源。需要设立一个云政策。
云政策应该定义用于支持公司应用的云模型的最小数量,比如基础设施即服务,平台即服务和软件即服务,或者虚拟机和容器。然后,选择提供这些模型的主要的和后备的公有云供应商。要求IT和业务部门从这些供应商中选择公有云服务,并使用计划中包含的模型。
多个供应商可以增加云服务滥用的风险
多个供应商可能会增加服务滥用,使云资源管理更加复杂,因为服务冗余。很多云供应商计划都要求最低资源承诺,特别是涉及专用或指派托管的计划。如果两个部门选择不同的供应商,每个部门都必须满足最低资源要求,那么其他部门也不能使用其他多余资源。
这个问题说明要预防云服务滥用不只是设立政策那么简单。 必须有个人或团队负责监测所有的云合同,确保不违反政策。这个团队还应该将同一个供应商的所有云合同合并,以获得最好的商业条款。
总部的IT部门是最好的选择,没有这个部门的公司可以选择一个员工向高层汇报,比如,首席运营官,负责合同协调。 云协调的任务其实是获取和分配。当你需要一个新的云服务是,与其通过新合同获得,应该从现有合同中,选择合适的云容量,进行分配。
如果容量不够,通过扩展现有合同进行增加,或者取得新合同,但任何应用都不应该独占云资源;而是由容量池享有。
避免过度
以上这些步骤也不能完全消除云服务滥用,仍然可能造成应用的过量资源使用,并造成资源浪费。
当没有IT技能的部门协商云托管合同,或者与第三方经销商或集成商进行交易时,最有可能发生问题。例如,一个应用可能在一个专用的云服务器上运行,或使用高可用性特性,而实际上,该应用并不需要这些功能。 在云服务的资源选择时,其中的问题是,很难判断合适的标准。使用最基本的云服务,进行一个短期的应用试用,或在公司内部的容量池内,使用云资源。
如果这一试用在体验质量(QoE)上出现问题,那么额外的云特性是有必要的。 避免服务滥用和优化云资源管理的最后措施,是不断审查计费和合同续签。公有云用户通常在没有正式审查他们需求和服务成本的情况下,添加云服务。
为了避免这种情况,你需要CFO或应付账款的配合,因为新的收费通常很难在复杂的云账单中找到。任何新的收费都应该是合理的。 云的按需付费模式会导致太多的支出。 企业应该认识到低效的使用和代价过高的风险是分布式云决策的不可避免的后果。尽早解决这些挑战,拥有一个更好的云资源管理计划。
好文章,需要你的鼓励
五家光学存储初创公司正在开发长期存储技术,旨在用超过100年寿命的光学介质替代只有5-7年寿命的磁带。这些公司包括Cerabyte、Ewigbyte、HoloMem、Optera和SPhotonix,它们的技术类似微软Project Silica项目。光学存储介质具有更强的化学、冲击、辐射、水和热抗性,同时保持低能耗和高容量特性。
卡内基梅隆大学团队提出DistCA技术,通过分离AI模型中的注意力计算解决长文本训练负载不平衡问题。该技术将计算密集的注意力任务独立调度到专门服务器,配合乒乓执行机制隐藏通信开销,在512个GPU的大规模实验中实现35%的训练加速,为高效长文本AI模型训练提供了新方案。
Nutanix发布分布式主权云产品组合更新,为多云环境提供更安全的运营和管理功能。该解决方案支持企业在分布式环境中灵活部署和治理基础设施,运行传统虚拟机、现代云原生和AI应用。新功能包括支持完全断网环境的暗站点管理、政府云集群正式发布、Kubernetes平台增强安全合规性、企业AI平台集成NVIDIA微服务,以及云平台新增跨站点灾难恢复能力,为用户提供统一管理和运营简化体验。
清华大学研究团队提出3DThinker框架,首次让AI具备类似人类的三维空间想象能力。该系统在推理过程中插入特殊的三维想象符号,不依赖外部工具或大量标注数据,就能从有限的二维图像中构建三维心理模型。在多个空间推理基准测试中,3DThinker相比传统方法性能提升达50-100%,为自动驾驶、机器人导航、虚拟现实等领域的AI应用开辟了新路径。