云计算成本效益:优化IT性能,减少企业支出

代码笔记   2018-04-13 12:39:50

由于众多企业用户将他们IT环境的更多负载迁移至云,云供应商们也各自快速发展了一批不同的、易于部署的、功能完备的服务集合。

成本效益当然是企业的一大关注点,但除了将诸如数据仓库、商业智能和分析环境等IT业务迁移至云的潜在成本优势之外,还有四个因素让云成为CIO们眼中极具吸引力的选择:将业务功能迁移至云平台后,确保他们系统保持最新更新状态和现代化的能力;访问可部署在最新和最好硬件平台上的虚拟化系统,从而减少硬件过时的可能性;云主机所提供服务种类日益增多;以及将系统管理和维护等工作委托给云供应商的能力。

从对数据仓库、分析与报告环境进行革新和现代化的角度来看,云服务一词实际上涵盖了范围广泛的资源和功能。这些资源与功能包括且不限于:

1)数据存储:有几种不同的、现成可用的大规模可扩展存储选项,例如文件存储(类似于传统的分层文件系统)、块存储或对象存储,其中数据项是以对象形式进行存储的,另外还配备了用于描述数据的元数据,从而简化可访问性。

2)计算平台:每一家云供应商都允许用户以不同的CPU、内存和临时存储的配置指定和启动平台。其成本取决于运行计算任务所需的资源。

3)数据库管理系统:从传统关系型数据库管理系统到更复杂的N哦SQL数据库,再到列导向和内存内数据库等选项都针对性能进行了优化。

4)大数据分析环境:供应商们还支持各种大数据应用件,其中包括Hadoop、Spark、数据流功能以及大规模数据仓库等。

5)网络与负载平衡:旨在以预设计算配置管理不同节点的运行性能。

6)新兴服务:这是最有趣的一类,其选项包括机器学习、非结构化搜索、文本分析、语音与自然语言API、数据可视化以及其他功能。

迁移至云平台的决策为用户带来了一些灵活性,他们可以在云供应商配合下从一系列计算平台、存储、应用程序、数据库等服务选项,以及管理工具、开发人员工具、安全管理功能、系统监控等其他功能中进行选择。在很多情况下,云供应商将提供平台和对服务的访问,他们还会与您的数据消费者一起了解他们的分析需求。他们还将帮助您设计、实施和管理您的业务智能平台,所有“即服务”。

对于成本敏感的企业来说,在全面实施云战略之前,更好地理解云计算经济学是非常重要的。可能会存在着一些让人大吃一惊的隐藏成本,从而影响对于存储类型、计算平台、数据访问模式和服务的决策,这些决策在相当大的程度上取决于总体支出预期。这个成本模式可能会有些混乱,特别是当所使用的度量单位不一定匹配时——即便是来自于同一供应商的不同服务亦是如此,当试图进行同类服务比较时也不要介意不同的供应商。

考虑如下这些示例:

1、计算——通常是指基于虚拟CPU或机器内核的数量、内存容量以及在某些情况下与虚拟机相关联临时存储进行配置的资源;

2、存储——可以根据所请求的存储容量、存储对象的数量、请求的数量以及数据传输的带宽来定价;

3、数据库——可根据在指定配置的虚拟服务器上使用数据库的单位时间价格来收取费用。而更复杂的高性能数据库和数据仓库服务将产生更高的费用。

其他服务则是在使用时收取费用。例如,可考虑允许用户对持久对象存储执行SQL查询并按照查询支付费用的供应商。但是,这个服务的成本包括了基于数据访问数量的单次查询扁平成本,以及将查询结果存回对象存储的成本。如果使用未压缩的数据,多次执行这样的查询可能会导致更高的费用。但如果以压缩格式存储数据并以列状数据布局进行部署,那么查询返回的数据将会更少,总体成本也会有所降低。

更新用户的分析环境了解可用的平台和服务可为制定更新用户报告与分析环境的计划提供了起点。实施一个现代化的环境将实现两个目标:首先,它将把现有的功能迁移至一个成本更低、但性能更高的平台上;其次,也许更重要的是它可以实现创新分析功能的应用,其中包括实时获取多个数据流、诸如机器学习和人工智能的算法应用程序,以及集成的实时分析。

但是,过多的选项如何实现系统可用性、数据可用性、整体性能和持续成本的平衡能力变得更复杂了。针对其中某一个变量进行优化配置可能会导致其他一个或多个变量的影响变差。例如,一个将每个事务映射到其自己的数据对象的数据部署布局可能会减轻数据访问的难度,但是随着事务数量的增长,相关的数据对象数量也会增加。因此,这样做会增加对象存储的成本,因为其收费是按照对象数量来计算的。另一方面,在较少数量的文件中收集众多记录并作为对象进行存储可降低单个对象的成本,但是访问特定记录需要访问更大量的数据,从而增加了数据传输成本。

换而言之,“云计算经济学”成为了系统设计众多因素中的一个重要变量。当考虑将数据仓库、商业智能、报告与分析功能迁移至云时,评估数据使用模式、确定信息模型的类型以及评估用户群体需求是非常重要的。与云供应商开展合作,找出涉及数据架构、服务与应用程序设计相关的最佳方法,从而优化数据可用性、数据利用率、系统性能与费用支出。

打赏