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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
马里兰大学研究团队通过测试25个大型AI模型发现,即使最先进的AI评判系统在需要同时考虑多个标准时也会出现严重偏差,准确率仅32%-53%。研究构建了Multi-Crit评测基准,揭示了AI在多标准权衡中的根本性局限,为改进AI评判系统的公平性和可靠性提供了重要参考,对AI在内容审核、产品评价等应用场景具有重要指导意义。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
南京理工大学团队开发ViLoMem框架,首次实现AI的双流记忆机制,分别处理视觉和逻辑错误。该系统模仿人类认知,让AI能从错误中持续学习,在数学推理等多模态任务中显著提升准确率,为AI从被动工具向主动学习伙伴的转变提供了重要技术突破。