当私有云和混合云技术首次出现时,一些权威人士预测,他们的应用不会持续太长时间,因为企业都将转向采用公共云。然而,他们最后都错了…想知道为什么吗?
以下有几个很好的理由解释为什么私有云和混合云可以存留下来。首先,一些企业的工作负载和存储数据一旦增长到数十PB,就会加大维护公共云部署的成本。此外,一些垂直市场(例如金融服务)的内部安全控制要求十分严格,因此在他们业务许多方面,公共云不是很好的选择。最后,企业客户希望能够选择一个最适合他们的云解决方案,并且如果他们的情况另有规定的话,他们不希望被授权使用公共云。
全球公共云提供商每年都会花费数十亿美元的服务费,因为用户使用公共云是一件容易的事情。通过几次鼠标点击,用户就可以激活云资源并无限扩展,而无需担心在内部构建一个私有云,而建设设施,或维护硬件,以及开发内部数据中心的专业知识。云计算诞生于公共云,许多云计算倡导者认为,内部部署或协同部署的云计算只是以往数据中心资源的一个花哨的名称。
但是,私有云和混合云的部署正在增长,而没有减少,因为在企业内部采用这些方法可靠有效。在大多数情况下,它不是一种类型的云计算与另一种类型之间的决定。更可能的情况是,大多数企业将使用公共云,私有和混合云的混合,因为IT部门尝试对安全性,成本和可扩展性进行平衡。
采用私有云或混合云的计算模式有三个优点。首先,它为公共云计算提供了一个明确的用例。现有IT基础设施(例如存储和计算)的特定方面可以放置在公共云环境中,而IT基础设施的其余部分保持在现有的数据中心。例如,对于商业智能应用程序,最好将数据保存在本地数据中心,并在公共云中执行分析处理,而不是将千兆字节的运行数据迁移到公共云。
其次,使用私有云或混合模式提供了更大的灵活性,从计算架构获得最大的杠杆,考虑到用户可以混合和匹配当地基础设施(通常是沉没成本,但难以达成规模)之间的资源,基础设施可扩展,以及配置请求,IT部门可以根据他们的需求和成本结构选择放置应用程序的最佳位置。
最后,使用混合云或私有云计算验证了这样的想法,即并非所有IT资源都应该存在于当今的公共云中,并且一些资源可能永远不会迁移到公共云。考虑到合规性问题,性能要求和安全限制,对本地数据中心的需求是一个现实的做法。这种私有云或混合云模式的体验有助于用户更好地了解哪些计算周期和数据必须保存在本地,哪些可以远程处理。
一些反对私有云或混合云的论点指出,这需要大量硬件和软件投资,以及需要内部专业知识的深度才能实现。然而,较新的云平台解决了这些痛点。
在某些情况下,云基础架构供应商提供可以在几分钟内设置和运行的融合(计算/存储/网络)设备。这些设备提供可扩展的构建块,以支持具有充足资源的私有云和混合云,并且它们可以提供比传统数据中心硬件更好的投资回报率。
另一种方法是使用具有自修复架构的标准OpenStackAPI,从而降低管理负担。一些供应商使用基于SaaS的门户网站,通过完整的健康监控和预测分析来处理管理和操作,在出现问题之前将问题解决。通过自动修补和升级启用策略,最终用户能够以最小的管理员工作量获得最佳的服务体验。
因此,虽然私有云和混合云曾经需要大量的内部云构建专业知识,但如今并非如此。现代云平台消除了许多使用私有云或混合云的异议,这些架构可以与公共云协同工作,为企业提供所需的性能和成本效益。如今的私有和混合云平台,可以提供与公共云基础设施相同的优势,同时提供许多企业需求的灵活性,安全性,性能,以及控制能力。
好文章,需要你的鼓励
随着GPU成为AI工作负载训练和运营的关键,越来越多的云服务提供商开始提供云GPU实例。这为希望避免部署GPU硬件费用和复杂性的组织带来好消息。云GPU实例可按超大规模与专业化提供商、通用与专用实例、共享与独占服务器进行分类。选择时需考虑工作负载类型、GPU类型、成本、延迟和控制级别等因素。
这是一项关于计算机视觉技术突破的研究,由多家知名院校联合完成。研究团队开发了LINO-UniPS系统,能让计算机像人眼一样从不同光照下的照片中准确识别物体真实的表面细节,解决了传统方法只能在特定光照条件下工作的局限性,为虚拟现实、文物保护、工业检测等领域带来重要应用前景。
企业云服务平台IFS收购硅谷代理AI专家theLoops,推出"工业AI"概念。该技术旨在创建具备语义环境感知能力的自主AI代理,专门服务于制造、能源、建筑等资产密集型行业。这些工业AI代理能够理解业务职责,遵循行业规则,与人类协同工作,执行实际工作任务而非简单的聊天或辅助功能,为企业带来可衡量的生产力提升和投资回报。
这篇文章介绍了北京人工智能研究院开发的OmniGen2模型,一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构,分别处理文本和图像任务,并具备独特的自我反思机制,能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准,展现了开源模型的强大潜力。