Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Principio 5. Avere una strategia di integrazione a lungo termine
Fai attenzione quando sposti grandi volumi di dati tra applicazioni in cloud diversi, soprattutto se le risorse e le applicazioni di elaborazione sono distribuite in un CSP e le risorse di archiviazione dei dati sono distribuite in un altro. Una situazione del genere può aggiungere complessità e latenza che potrebbero compensare i vantaggi percepiti. Parliamo con molti clienti che dispongono di un data lake su un cloud ma desiderano eseguire l'apprendimento automatico (ML) o l'analisi con gli strumenti di un altro CSP. Decidere dove collocare i carichi di lavoro in un ambiente multicloud è una delle decisioni più cruciali, e spesso più impegnative, che le organizzazioni devono affrontare. Ti consigliamo di valutare ogni decisione sul posizionamento del carico di lavoro attraverso tre dimensioni critiche: requisiti tecnici, esigenze aziendali e punti di forza dei fornitori.
Inizia le valutazioni tecniche mappando le caratteristiche essenziali di ogni carico di lavoro: potenza di calcolo, operazioni sui dati, esigenze in termini di tempi di risposta e requisiti di crescita. Le applicazioni offrono naturalmente le migliori prestazioni quando si trovano vicino ai dati. L'allontanamento delle applicazioni dalle rispettive fonti di dati crea inutili ostacoli tecnici e rallenta le prestazioni.
Le decisioni aziendali devono tenere conto dei prezzi dei fornitori, dei requisiti di residenza dei dati e dei contratti con i fornitori. Ogni posizionamento del carico di lavoro influisce sulle operazioni, sulla sicurezza e sulla produttività dell'intera organizzazione. Considerare i carichi di lavoro in modo isolato porta a decisioni non ottimali.
La nostra guida:
-
Implementa il trasferimento di massa di dati tra cloud anziché l'accesso in tempo reale. Pianifica l'aggiornamento periodico dei dati utilizzando operazioni di massa efficienti anziché utilizzare chiamate API costanti tra cloud. Questo approccio riduce i costi, migliora l'affidabilità e mantiene prestazioni costanti. Ad esempio, esporta dati riepilogativi sulle vendite giornaliere invece di interrogare le singole transazioni tra cloud.
-
Considerate la gravità dei dati quando progettate il posizionamento dei carichi di lavoro. Mantieni le applicazioni vicine alle fonti di dati principali per mantenere le prestazioni e ridurre i costi. I modelli ML, i motori di analisi e i sistemi di elaborazione delle transazioni traggono tutti vantaggio dall'accesso diretto ai propri dati. L'allontanamento di questi carichi di lavoro dai relativi dati crea latenza e complessità di rete non necessarie.
-
Valuta le decisioni relative al carico di lavoro nel contesto della tua strategia cloud completa invece di esaminarle isolatamente. Considerate in che modo ogni scelta di posizionamento influisce sui processi operativi, sui controlli di sicurezza e sulle capacità dei team all'interno dell'organizzazione. Una decisione che sembra ottimale per un singolo carico di lavoro potrebbe complicare il monitoraggio o aumentare i rischi per la sicurezza se vista in modo olistico.
-
Definisci chiare politiche di proprietà e governance dei dati che specificano dove possono risiedere i diversi tipi di dati. Crea un framework di classificazione dei dati che favorisca decisioni coerenti sul posizionamento dei dati tra i provider di cloud.
