企业应如何防止 Kubernetes 的复杂性阻碍云发展进展？
发布时间：2022-04-11 21:20:03 所属栏目：云计算 来源：互联网
导读：在以激烈竞争和不断升级的客户需求为特征的行业中，速度已成为关键的差异化因素。凭借支持应用程序快速开发和部署的能力，云计算已成为实现这一速度的圣杯简单的按需容量，可随业务扩展，这些全部都采用运营成本模型。 企业努力实施 Kubernetes 的重大教训是
|
在以激烈竞争和不断升级的客户需求为特征的行业中，速度已成为关键的差异化因素。凭借支持应用程序快速开发和部署的能力，云计算已成为实现这一速度的圣杯——简单的按需容量，可随业务扩展，这些全部都采用运营成本模型。 企业努力实施 Kubernetes 的重大教训是速度会以高云成本的形式产生摩擦，而这些增加的成本实际上会减缓企业发展势头。 然而，云计算成本的不断增加只是影响的一个方面，因为 Kubernetes 的采用及其产生的复杂性也给运行它的工作人员带来了新的负担。 这就引出了一个问题：企业是否愿意牺牲敏捷性来换取长期盈利能力和运营倦怠的风险? 1、简化的尝试并没有解决真正的问题 为了解决系统复杂性问题，开发团队采用了专门构建的可观察性平台来理解构成应用程序的组件(包括软件和硬件)之间的关系，以及它们如何为最终用户服务。不幸的是，被动的、只关注性能的可观察性平台并不能解决问题，它们只是识别问题，之后应该做出何种措施? 2、打破常规之后的措施 虽然曾经流行的口号敦促软件开发人员快速行动并打破常规，但今天的现实是常规已被打破。我们需要以一种允许开发人员提高速度的方式来修正它们，同时确保我们不会陷入反复破坏相同事物的陷阱。 对于那些将云计算视为敏捷和速度的圣杯的企业来说，曾经是灵丹妙药的云，现在已成为无法控制的成本和管理复杂性的来源。这会在两方面产生问题： 3、AI 和 ML：新的工具如何提供帮助 幸运的是，机器学习 (ML) 等技术正在进入这一过程，并能够使优化性能和成本之间权衡的能力得以改善。借助这项技术和一类新的工具，开发团队可以做个人无法做到的事情：彻底了解和调整所有可用变量，以确保针对每个应用程序优化性能和成本。 人工智能 (AI) 和机器学习已成为支持速度任务不可或缺的一部分。当然，这些新工具正在进入部署过程。因此，企业开始制定实践来管理 AI 和 ML 工具的采用和集成。AIOps 工具现在使 Ops 团队能够通过利用分析和机器学习来实现自动化和改进运营。 同时，DevSecOps 致力于将安全集成到软件开发的所有阶段的过程自动化。最后，持续优化在持续集成和持续开发之间的 CI/CD 管道中找到了自己的位置，并在投入生产之前使用机器学习来优化 Kubernetes 配置。 通过识别需要解决的问题并找到理想的解决方案，这种持续优化是解决可能减慢应用程序交付速度的瓶颈的关键。这就是机器学习远远优于人类认知能力的地方。 （编辑：衡阳站长网） 【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! |
