无论灾难规模大小,用户对于恢复的速度和无缝过渡的期望在加大。然而IT预算却并未因此而留下空间,没有关系,我们可以通过技术来弥补,在设计或更新DR策略时,IT工作者可参考以下5步来削减灾难恢复的成本。
第一步:了解恢复需要
降低成本最重要的一种方法是了解在一个数据中心宕机事件中你需要恢复什么。通过为每个应用建立恢复点目标和恢复时间目标,你就能做到,但要注意考虑到非结构化数据。
尽管大多数数据中心都被应用吞没,但这中间只有5%是任务关键型的。尽管这些应用只占据数据中心总存储容量的一小部分,但它们对性能都有极高的要求。
第二步:准确的估计DR存储系统的规模
当IT专业人员在估计灾难恢复站点的存储系统时,通常做出这样的假设:达到与主系统相同或者类似的容量和性能。但大多数情况下,并非如此。在一个真实的灾难恢复场景,只有任务关键应用需要快速恢复,并且这些应用只需要访问最近的数据副本。
如果IT团队已经做了前端评估工作,就能据此降低灾难恢复成本。因为用户只需要立即访问他们经常使用的文档——一般在两周以内——DR站点的存储容量可以小一点。这就是为什么在数据中心里100TB的容量到了DR站点10TB就足够支持的原因。
DR系统要提供一定的性能给这些应用。如果主存储中心为这些应用配置了闪存,那么DR站点也至少需要一个缓存层。需要强调的是,即使那些任务关键服务器对性能都有要求,但它们也只代表数据中心工作负载的一小部分,因此DR系统的性能要求也不必要与主存储一致。
第三步:依靠虚拟化
即使主数据中心并没有完全虚拟化,DR站点也应该虚拟化。虚拟化将服务器成本降至最低并且还能通过支持数据重删和压缩降低容量需求。除此之外,虚拟化让DR测试随心所欲。IT规划者们能够创建虚拟的隔离测试网络,在不影响生产的情况下进行应用副本的DR演练。
第四步:灾难恢复即服务
DRaaS将虚拟化DR的概念带到了极致。云备份厂商争相追捧DRaaS,与单纯备份到供应商的云中不同,DRaaS还支持企业在云中实例化虚拟机、借助其计算能力快速恢复。DRaaS能够帮助企业节约下创建DR站点以及由此带来的服务器、存储和人员成本。
对于中小企业这种缺乏二级存储但有人员支撑的企业类型,DRaaS在灾难恢复的成本节约和可操作方面很有吸引力。而对于储备二级站点的数据中心,在云上存储备份也是不切实际的。也就是说,企业可以从DRaaS供应商那里偷师并且实施到自己的方案中。
第五步:实施你自己的DRaaS
DRaaS依赖二级数据中心不仅仅是存储备份数据,还要交付满足在数据中心故障事件中支撑应用的计算能力。企业可以建立自己的DRaaS服务,并且有更好的成本控制。
与其将所有备份放到云上并据存储计费,企业可以将其最关键任务数据复制到像Amazon、google或Microsoft这样的云供应商。有软件能够提供这样的功能。一些应用也会从企业虚拟镜像转换成虚拟云镜像,这样应用就能在公有云中自如运行。这将有助于节约成本。
DR的期待不断加大。用户需要IT人员快速、无缝并经济的做任意恢复。清楚的了解你的应用和数据是降低DR成本极为关键的第一步,而遵从上述步骤将最小化你的资本支出。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。