作為信息基礎設施現代化戰略的一部分，企業應該考慮如何更好地利用云計算來分擔在數據中心運行的一些工作負載。

[[208202]]

大多數企業表示，希望在一年內將在云端運行其工作負載。根據調研機構451 Research公司最近進行的一項調查，2018年中期，企業采用私有云或公共云工作負載的百分比將從41%提高到60%。在這些調查對象中，38%的企業已經采用了云端優先政策，其中針對所有工作負載部署優先考慮云解決方案。這并不奇怪，這是因為其具有敏捷性，靈活性，可擴展性，降低總體擁有成本，以及提供云端數據等優勢。云定價是云端工作負載的關鍵驅動力。隨著云計算的成本持續下降，企業越來越不愿意采用成本高昂的內部部署數據中心。

除云定價和固有的計算優勢外，云計算提供商還不斷增加數據倉庫、數據集成、數據準備和分析等服務，這些服務對于加速向內部和外部客戶提供分析都至關重要。毫無疑問，隨著企業利用其固有的靈活性，數據和計算能力的重心正在越來越多地從傳統的內部數據中心轉移到云端。

為什么數據重力(Data gravity)很重要?

數據重力可以處理移動數據，并分析更接近的數據。而企業目前采用的替代方案更昂貴，更耗時。現代分析中所涉及的數據量太大，無法依賴需要將大量數據從一個系統復制到另一個系統進行處理的復雜方法。將數據移入和移出云端進行處理將無法解決這個問題，反而可能會加劇。

處理引擎必須是智能的，以便將處理移動到數據駐留的位置，并盡量減少跨網絡的數據移動。數據無處不在，包括邊緣，靠近邊緣，以及托管數據中心。如果需要移動數據，謹慎地移動只支持分析所需的數據子集(例如，從內部部署到云，云到云或邊緣到云)。過濾，減少和檢索必要的數據可以***程度地減少數據移動，無論數據位于何處。

數據中心對企業的業務來說至關重要，并且預計不會很快消失。然而，企業的工作負載越來越多地分散和混合。企業要求采用托管服務和超大規模云計算，新的云平臺和網絡模型，并將其映射到最為優化的數據中心，這可能是邊緣，接近邊緣和核心位置，甚至是遠程位置。為存儲、處理、聚合和過濾提供***位置的因素應包括數據的位置，包括但不限于以下內容：

• 性能和延遲要求
• 訪問數據的關鍵性(例如，考慮遠程數據中心)
• 可接受的停機時間(例如，網絡連接斷開)
• 帶寬限制(例如，內部部署到云端，云端到云端)
• 安全性，合規性，治理要求(例如，維護內部數據中心敏感數據的必要性)

在加速分析計劃中，Data gravity對于支持所需的性能和延遲至關重要。

如今存在需要計算重力補充數據重力的情況，包括科學，醫療保健和運輸中的計算密集型用例。可以通過利用適當的計算資源(無論數據所在的位置，無論是云對象存儲還是內部部署)來執行數據子集(工作集)的計算密集二次分析。能夠在云端中處理可能起源于包含許多PB級的原始數據的次要分析目標的數據子集。

在云中構建臨時集群可以輕松地支持這些類型的工作負載，特別是當底層的內部部署基礎架構達到其***計算能力時。或者，駐留在云存儲中的原始數據的目標數據子集可以在滿足二次分析的計算需求的本地部署的環境中進行處理。優化企業數據中心與云端之間的網絡帶寬是云計算提供商提供的一個選擇，但可能取決于企業預算。

用于計算密集型用例的另一個解決方案包括提供數據緩存的數據訪問層和用于數據處理的嵌入式MPP內存結構。

數據虛擬化和數據重力

數據虛擬化通過設計之后支持數據重力。它為現代分析模式帶來了靈活性、抽象性和統一的安全性。其***性能是通過設計數據虛擬化查詢優化器來實現的，以優化邏輯架構中的網絡流量;最小化的常規優化是不夠的。更重要的是，查詢優化器應利用內存中并行處理來促進進一步的優化。

為了達到***性能，數據虛擬化平臺必須：

• 應用自動優化來***限度地減少網絡流量，將盡可能多的處理推送到數據源。
• 在數據處理虛擬化層中使用并行內存計算，當處理不能被推送到數據源時，執行后處理操作。
• 通過并行內存處理和數據緩存功能，滿足需要增加計算潛力的場景需求。

作為信息基礎設施現代化戰略的一部分，企業應該考慮如何***地利用云端的工作負載對數據中心進行補充。企業的目標是滿足各種分析工作負載的計算需求，同時考慮到法規和合規性的要求。