在最近的几年中,云计算的发展逐渐步入正轨,且得到了快速发展。一方面,阿里、AWS等国内外知名厂商在云服务的业务领域收入呈现出爆发式的增长;另一方面由于云计算的市场投入,越来越多的政府、行业以及中小型机构深刻感受到云计算服务所带来的红利。
市场需求的不断提升,也催生了国内外不少企业发力该领域。众多市场研究报告证明,云计算不再像过去只提提概念,如今已成为企业重点拓展的业务。而在私有云、公有云和混合云的三种服务模式中,混合云因其融合了其它两种服务优势逐渐释放出巨大的市场潜力而被用户追捧。因此,不少用户开始从私有云迁移至混合云。不过,据媒体报道,在迁移混合云的过程中要比传统的内部部署系统直接迁移困难很多。
我们知道,在云服务模式中,公有云有数千种服务可供使用,包括高级安全和监控服务,此外,用户无需维护硬件和软件,也无需租用或购买数据中心空间;而私有云则两者都需要,这也就是为什么很多有企业从公有云迁移混合云的原因之一。但是很多企业已经从仅限私有云的方法转变为混合云方式。
在企业的IT运维中,迁移是一项非常复杂的工作,无论是从私有云迁移到公有云或迁移至混合云都不容易。主要原因是私有云服务没有直接映射,这些服务是基础(存储、计算、身份访问管理和数据库)到具有这些基本服务以及数千种其他高端服务的公有云服务。
当IT人员将应用程序耦合到私有云中的服务(通常是OpenStack)时,也会相对复杂。公有云上的OpenStack部署比较少,且没有一个是AWS、微软等巨头提供商。
这也就意味着企业无法从私有云到公有云进行A-to-A映射。而反过来也说明企业需要将这些服务重新映射到公有云上的类似服务。不过,用户还需要映射到私有云上不可用的更高级别服务(包括安全服务、治理服务和数据库服务),以提高每个应用程序利用公有云提供程序所需的全部功能。
除此之外,在管理上,混合云需要更高程度的自动化管理来实现高等级的可用性、性能和安全方面的要求。其目标就是,当你耗尽私有云的处理能力时,可以快速从公共支获得所需的资源,保证业务的正常运作。混合云提供了私有云与公有云之间的一种平衡。对于运行应用的关键时刻,你可以把应用移向私有云。当对需求要求不高,或不在使用时,你又可以把它们推向公共云。混合云的概念就是将虚拟化的资源在不影响安全和不打断服务的前提下将其移入移出。当对需求要求不高,或不在使用时,你又可以把它们推向公共云。混合云的概念就是将虚拟化的资源在不影响安全和不打断服务的前提下将其移入移出。
在安全上,我们知道在混合云中,站点中的数据开始交换时,需要在发送数据以前进行加密处理以保证其安全性。对于加密的数据,公共云服务提供商不能对其进行解密处理。此外,还需要建立更加稳固的虚拟专用网。这也就是诸多用户关心的话题:如何让数据安全的转移到其它云平台上,又如何安全的取回?并在此过程中如何保证不将私有云的敏感数据暴露在到公有云上。
小结
随着云应用从简单的未充分利用的服务器迁移到云进化到特定云的开发,优化各种云平台成为各大提供商的业务领域之一。各企业的开发人员和架构师们从私有云迁移混合云的转变中所学到的将为他们做好迎接新IT未来做准备。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。