选择云计算数据管理架构有哪些注意事项

作者：未央 2022-03-10 23:12:12

云计算

云原生 本文探讨了用于数据管理的不同类型的云计算架构，以及为什么数据分析领导者需要平衡每种云计算架构的风险和收益。

调研机构Gartner公司副总裁兼杰出分析师Donald Feinberg探讨了用于数据管理的不同类型的云计算架构，以及为什么数据分析领导者需要平衡每种云计算架构的风险和收益。

对于当今的企业来说，对数据的需求和使用(无论是客户数据还是业务数据)都变得越来越有利。它通过智能帮助企业保持竞争力，从而快速做出更明智的决策。

但是，重要的是要认识到，数据驱动的战略可能对企业的要求过高——尤其是在没有合适的工具和解决方案来管理这些额外需求的情况下。

因此，云计算数据管理架构等解决方案至关重要。但是，数据分析领导者需要了解不同的架构选择——从内部部署设施到多云和跨云。他们需要了解在多样化和分布式部署环境中管理数据所带来的风险和收益。

以下了解不同的云计算数据管理架构以及数据分析领导者需要注意的注意事项。

1.内部部署到云平台

在内部部署到云平台模型中，应用程序架构的不同组件可能驻留在内部部署或云平台上。数据库管理系统(DBMS)可能驻留在内部部署设施，连接到它的应用程序可能驻留在云中。例如，商业智能(BI)仪表板应用程序。

内部部署到云平台架构有两种变体：

• 活动(以前称为“跨架构混合云”)
• 按需(以前称为“特定于用例的混合云”)

顾名思义，主动方法处理两个环境之间的主动数据管理。这可能包括数据同时驻留在云端和内部部署设施的架构，例如数据库管理系统(DBMS)能够让一些副本、分区或分片驻留在内部部署设施，而有些则在云平台中用于同一数据库。

这种功能有许多应用程序用例，其中包括：按年龄、访问频率或地理划分数据;动态容量分配，以适应不一致的、激增的资源需求;管理数据内部部署设施化的监管要求。

在活动的内部部署设施到云计算模型中，了解数据流的特征(例如，数据是流入还是流出云以及预期的数据量)至关重要。延迟可能存在问题——即在内部部署设施和云平台之间移动数据所需的时间。此外，云计算服务供应商数据出口费用可能会产生财务影响。还必须考虑跨多个环境的集成、元数据和治理实践。企业应定义和测试服务等级协议(SLA)。这可能导致内部部署设施和云计算组件之间需要特殊的通信链接，从而导致更大的财务成本影响。

在按需方法中，其组件保持独立。企业仅在需要支持业务活动(如灾难恢复计划或开发生命周期功能)时才在环境之间移动数据。例如，数据库管理系统(DBMS)的任何开发、测试、质量保证(QA)、灾难恢复(DR)或生产实例都可能驻留在内部部署设施或云中。尽管财务和延迟考虑仍然很重要，但兼容性是这种情况下的主要关注点。许多企业可能对云平台和内部部署设施环境之间低于100%的代码兼容性感到不满意，进而将云计算服务提供商(CSP)的选择限制为能够满足这些严格要求的那些。

内部部署设施到云平台的部署的主要考虑因素包括：数据量和方向的移动;以及环境之间的组件兼容性(按需)。

2.多云

多云模型包含来自多个云计算提供商的多个服务之一(并且可以选择包括内部部署设施或混合架构)。在这种情况下，不同之处在于使用了来自多个云计算提供商的服务。数据库管理系统(DBMS)产品和依赖它的应用程序可以部署在内部部署设施或一个云平台或多个云平台上。

因此，混合云的所有考虑因素可能适用于在多个云计算环境中部署软件的附加考虑因素。这些产品历来仅限于独立软件供应商(ISV)而不是内部部署提供商，因为独立软件供应商(ISV)在确保他们的软件在尽可能多的环境中运行方面拥有更多的既得利益。然而，云计算服务提供商越来越多地参与多云和跨云场景。

多云场景通常会吸引那些担心云计算供应商锁定，并希望能够轻松地将其应用程序迁移到不同的云计算供应商的最终用户。在提供在多个云平台和内部部署设施运行相同的语义兼容产品时，支持多云的数据库管理系统(DBMS)承诺更容易(尽管仍然不容易)迁移，因为主要关注的是迁移数据，而不是重写应用程序。

如果有的话，对于多云部署，数据分析领导者最重要的是要考虑环境之间组件的兼容性以及用于配置、管理和治理的不同云计算功能。

3.互联云

跨云是指跨多个云平台主动管理数据。在云平台之间的模型中，应用架构的不同组件可能驻留在不同的云平台上并交换数据。例如，微软公司的Power BI可能会连接到位于Azure云基础设施之外的Salesforce数据库。

如今，互联云模型不太常用。与此同时，那些寻求更有利的定价模型、其他云计算服务提供商(CSP)无法提供的特定工具、通过使用多个云计算服务提供商(CSP)来缓解风险以及通过多样化的数据位置满足数据主权要求的人员越来越感兴趣。例如，监管要求可能会禁止数据驻留在一个国家的边界之外。

对于跨云部署，数据分析领导者需要特别注意数据移动，其中包括数量和方向。