本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
宗旨 5. 制定长期整合策略
在不同云中的应用程序之间移动大量数据时要小心，特别是如果您的计算资源和应用程序部署在一个 CSP 中，而您的数据存储资源部署在另一个 CSP 中。这种情况可能会增加复杂性和延迟，从而抵消感知到的好处。我们与许多客户进行了交谈，这些客户在一个云上拥有数据湖，但希望使用另一个 CSP 的工具进行机器学习 (ML) 或分析。决定在多云环境中放置工作负载的位置是组织面临的最关键、通常也是最具挑战性的决策之一。我们建议您通过三个关键维度来评估每项工作负载安置决策：技术要求、业务需求和提供商优势。
通过映射每个工作负载的基本特征（计算能力、数据操作、响应时间需求和增长要求）来开始技术评估。当应用程序位于数据附近时，它们自然会表现最好。将应用程序从其数据源中移开会造成不必要的技术障碍并降低性能。
业务决策必须考虑提供商的定价、数据驻留要求和供应商合同。每个工作负载的放置都会影响整个组织的运营、安全性和生产力。孤立地看待工作负载会导致做出次优决策。
我们的指导方针：
-
在云之间实现批量数据传输，而不是实时访问。使用高效的批量操作来安排定期数据刷新，而不是在云之间使用持续的 API 调用。这种方法可以降低成本、提高可靠性并保持稳定的性能。例如，导出汇总的每日销售数据，而不是跨云查询单个交易。
-
在设计工作负载布局时，请考虑数据引力。让应用程序靠近其主数据源，以保持性能并降低成本。机器学习模型、分析引擎和交易处理系统都受益于直接访问其数据。将这些工作负载从其数据中移开会造成不必要的网络延迟和复杂性。
-
在完整的云战略背景下评估工作负载决策，而不是孤立地对其进行审查。考虑每种安置选择如何影响整个组织的运营流程、安全控制和团队能力。从整体上看，似乎最适合单个工作负载的决策可能会使监控复杂化或增加安全风险。
-
定义明确的数据所有权和治理政策，指定不同类型数据的存放位置。创建数据分类框架，推动云提供商之间就数据放置做出一致的决策。
