6个计算机类“热门”专业，就业率高，待遇好！

组织将工作负载转移到云平台中有时很简单，而如果可以将内部部署服务器提升并转移到IaaS计算平台，对组织来说将会带来更多好处。在某些情况下，组织将工作负载迁移到云平台则更具挑战性。例如，如果组织的工作负载涉及多个层次基础设施和软件，或者需要细致而复杂的供应流程，那么其云计算之旅可能会困难得多。

医疗保健服务商Optum公司首席工程师Bill Schneider在最近举办的Interop 2020会议中发表演讲，其报告题目为“我们的云之旅如何将传统应用程序迁移到AWS云平台”，其中讨论了该公司团队如何应对这些挑战的经验。Schneider对他及其团队如何将内部部署分析应用程序(或至少其中大部分)移至AWS云平台，为什么选择云架构，以及自从转移工作负载以来带来的好处进行了阐述和分析。

开发和管理医疗保健数据分析工具

Schneider及其团队将开发和管理应用程序称之为OPA，可以帮助Optum公司的客户管理医疗数据。该应用程序使他们能够查找和分析患者数据，并将其与医疗保健价格和所获得的医护质量等因素相关联。该应用程序是面向公众的资源，Optum公司的员工和客户使用该资源。

最初，OPA是一个由四个主要组件组成的内部部署应用程序。首先是存储Optum公司创建或收集的原始数据的文件;将数据从那里传递到Oracle数据仓库，在那里进行处理和重组;而在数据转换完成之后，移动到Oracle公司提供的数据集市;最后，通过MicroStrategy分析应用程序从数据集市提取数据，以便处理用户查询。

迁移到云平台

如今，OPA主要在云平台中运行。虽然仍然存在内部部署组件，因为数据管道从内部部署存储的数据开始，但是先上传到AWS S3存储桶，然后在将数据存储到AWS Redshift之前存储在其中。在Redshift中，可以通过AWS云中托管的MicroStrategy应用程序实例查询数据。

通过弹性负载平衡器(ELB)管理基于云计算管道的流量，这些流量将路由到不同的MicroStrategy实例。采用弹性负载平衡器(ELB)，Schneider及其团队可以简化证书管理。他们还避免了在为OPA应用程序添加新客户端时更新DNS记录。

为什么要进行云之旅?

最初为OPA提供支持的内部部署架构受到一些限制。Schneider指出，除了获得Oracle软件许可的费用之外，该应用程序还面临着扩展方面的挑战，因为它在很大程度上依赖于内存中的高速缓存来使报告对最终用户作出响应。因此，为了支持更多的客户，Schneider和团队将不得不添加更多的服务器以提供更多的可用内存。

将OPA迁移到云平台为解决这两个挑战提供了解决方案。通过使用AWS Redshift代替Oracle的数据仓库和数据集市工具，Optum公司降低了其软件许可成本。同时，即使在应用程序正在处理多达十亿行数据的情况下，云平台也使为应用程序实例分配更多基础设施资源变得更加容易，以确保获得适当的性能。

应用程序迁移到云平台后出现的第三个优势是全自动编排。Schneider及其团队实施了AWS Step Functions，以调用AWS Lambda中托管的代码来处理置备和管理任务。Schneider解释说：“每个步骤函数代表一个高级过程，例如‘执行数据查找'或‘部署发布'。然后，这些步骤函数会调用一系列Lambda，每个Lambda都执行独立的任务，例如设置AWS基础设施或安全组。”

通过允许应用程序实例自动部署，这种方法实际上消除了人工启动新应用程序环境的需要。Schneider表示，与内部部署版本的应用程序相比，这意味着效率的巨大提高，为此，团队使用IaC工具(如Puppet)来协调一些管理任务，但在其他方面依赖于人工的工作流程。

保持设备平稳安全运行的另一个重要环节是控制“配置漂移”。AI可作为“额外的安全检查”，可帮助识别出由于配置导致的数据中心问题。（注：配置漂移为数据中心术语，指临时配置随着时间的变化可能会导致一些问题的发生。） 

部署AI所面临的挑战 

优化和自动化数据中心是数字化转型计划中不可或缺的一部分。新冠疫情让许多公司开始寻求数据中心的进一步自动化，实现数字数据中心由AI驱动并可自我修复。这使得AI在数据中心中具有广阔的应用前景。一些AI/ML功能可用于事件处理、基础设施运行状况和散热优化。 

尽管如此，要想让AI/ML模型超越目前的标准数据中心基础设施管理（DCIM）需要有更多突破，和更多的时间。这与自动驾驶汽车的发展极为类似，早期阶段可能非常具有吸引力，但是与最终承诺的颠覆性经济/商业案例相比仍然相去甚远。 

AIOps平台的成熟度、IT技能和运维成熟度均为重大挑战。更高级别的部署面临的挑战还包括数据质量，以及IT基础设施和运维团队缺乏数据科学技能。此外，需要雇用或培训合适的人来管理系统，以及需要数据标准和相关体系结构都是部署AI时所面临的挑战。 

但是自始至终最大的挑战还是在于人。各种基础设施的运维人员都在做放权给AI的准备。但是如果人们并不信任做出决定的决策者，那么在如此大规模的过渡期间人员如何培训，如何安抚人员的情绪？在过渡期间，人们普遍会想一个问题，那就是如果自己照做了，自己会失业吗？ 

对许多企业来说，不仅聘用到资深的数据科学家是一个挑战，就连培训现有员工也困难重重。因为企业员工抵制技术的传统由来已久。以软件定义网络（SDN）为例，SDN已经推出十年了，但是仍有3/4以上的IT运维在使用命令行界面。

（编辑：济源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!