AI让云迁移变得更容易

  对于那些尚未开启云迁移之旅的企业来说,有一点是明确的:袖手旁观的时代已经结束。

  确定哪些应用程序要迁移到云上、哪些应用程序要保留在本地并非易事。如何使用云原生技术重构这些应用程序,或者创建一个混合云设置,能够继续利用数据和应用程序,这是许多DevOps团队面临的另一个潜在难题。这是一个复杂的过程。

  AI 让云迁移变得更容易

  但是,不为重建云遗留应用程序投资的缺点有:技术债务、敏捷性和灵活性方面的竞争劣势以及因用户体验差而受挫的客户。我们别无选择,只能继续前进,接受云技术和流程。

  每个组织的云原生旅程都是不同的,但任何企业都需要采取一些步骤。

  一、企业要想实现云原生化需要采取以下三个步骤:

  1.必须为云策略系统定义一个愿景。客户的需求是什么?如何计划交付产品和服务?云设置在DevOps和交付管道中扮演什么角色?如何确保可靠的系统性能和整体健壮的最终用户体验?选择的云平台是公共的还是私有的?单云、多云还是混合云?这些问题看起来似乎很简单,但这些问题的答案形成了云原生构建块。

  2.全面了解现有的遗留系统。对应用程序进行概要分析,了解它们是如何工作的,并对它们的性能进行基准测试,以便稍后将它们与它们在云中的性能进行比较——并确保它们运行得更好。知道他们是如何、在哪里未达到基线也很重要。监视在这个分析阶段扮演着一个关键角色:从创建整个技术栈的拓扑映射,到映射出系统之间的相互依赖关系,到自动性能基线化,再到完整的压力测试。这些都是确保全面了解现有系统架构、服务流程和性能的必要因素。

  3.定义迁移策略本身。计划哪些应用程序要保留或退役,哪些应用程序要保留,哪些应用程序要迁移到云计算、重新平台或重构。每种方法都有其优缺点。提升和转移应用程序是最快的,因为不需要修改代码。这样做的缺点是基本上保留了内部架构,这意味着应用程序不能充分利用新云环境。另一方面,重构是最耗费资源的,因为要求从头开始重新构建应用程序的架构。通常,这包括将一个包含数百万行代码的单一应用程序拆分为多个更动态的微服务,这些微服务易于维护和扩展。但是,由于这个过程产生了一个专门为云计算构建的应用程序,因此它也获得了最大的投资回报率,与提升和转移相比,它具有更长期的操作和成本优势。

  二、答案在于自动化和软件智能

  在制定了云迁移愿景、分析了遗留应用程序并定义了迁移策略之后,接下来是实际迁移本身的具体工作。这是一个充满技术挑战和重大组织变革的过程,包括:

  将组织从高度专门化的烟囱式和瀑布式方法重新构建为灵活的DevOps团队和流程自动化

  建立持续集成和持续交付系统

  遗留组件和云原生组件的集成

  错过迁移截止日期或目标的风险,包括在现实条件下的系统性能(想想黑色星期五或全球事件)

  这就是人工智能和自动化开始应用的地方。

  企业需要自动化一切。成功的云迁移依赖于自动化的连续构建、集成和交付(跨越所有阶段的测试);关于自动化操作、性能监控和监控仪器;从根源分析入手,提出了一种改进的方法。以及自动化性能基线化和配置。

  这种“一切自动化”的方法正在利用人工智能。现代网络规模的云应用程序过于复杂,无法单独由人类操作。软件智能建立在强大的人工智能的基础上,从一端到另一端监控整个系统的健康状况。智能异常检测、实时根源分析和业务影响评估是人工智能带来支持的关键支柱。

  这对于云迁移和云本地转换意味着什么?首先,软件智能和自动化创建了可见性和可操作的洞察力。这使得软件工程师对整个价值链拥有完全的所有权:从最初的编码到最终产品的部署。它推动了一种强大的、灵活的DevOps文化的创建。在这种文化中,工程师可以真正地承诺“您构建它,您运行它”。

  人工智能还可以用于进一步改进CI/CD管道,以满足迁移期限并确保优秀的软件质量。软件智能有助于缩小现有的自动化差距,比如在决策门或构建验证处的手动批准步骤。它还提供了根据生产场景测试新的构建的性能识别标志。

  最后,软件智能对于运营来说是提供优秀客户体验的关键。AIOps可确保实时检测性能问题及其根源,且可以自动纠正问题。

  三、你准备好了吗?

  开始实施云策略需要进行重大的组织上的更改。人工智能和自动化提供了使这段旅程尽量可航行和无缝的工具。通过自动化性能监控、修复、CI/CD管道、根源分析、压力测试、系统配置和更多步骤,AI为它节省了大量繁琐的手工和跑腿工作——以及随之而来的成本和令人头痛的事。更重要的是,人工智能和自动化有助于为采取DevOps和AIOps的文化奠定基础。最终,一个完全形成的、灵活的DevOps文化——由人工智能和自动化推动——是一个成功的云转换之旅的关键。

用户喜欢...

苹果开发全新AI框架 让用户亲身参与数据标记自动化

像苹果Siri这样的个人助理通过自然语言命令来完成任务。然而,它们的底层组件通常依赖于监督机器学习算法,这些算法需要大量手工注释的训练数据。为了减少收集这些数据的时间和精力,...


华为网络人工智能引擎(NAIE)正式商用发布 主要基于公有云模式

在HUAWEI CONNECT 2019期间,华为正式商用发布网络人工智能引擎(NAIE)。据了解华为网络人工智能引擎主要基于公有云模式,提供数据治理相关的数据湖服务,以及模型开发相关的模型训练等服务,...


人工智能统计调查:AI普及让1.2亿劳动者需要接受再培训

最近一些人工智能的健康和进展状况相关调查、研究、预测和其他定量评估凸显出重新培训员工的必要性;人工智能在8年级科学考试的评分从F提高到A;以及AI市场将在2023年达到979亿美元的预测。...


华为最强AI训练集群Atlas 900发布 已在华为云上开始应用

9月18日,华为全链接大会正式开幕,华为轮值副董事长胡厚崑进行了开幕专题演讲《共创智能新高度》,在演讲中胡厚崑介绍了华为的AI战略,并表示随着诸多芯片及产品的发布,华为全栈全场...


云知声AI技术助力广州智慧地铁示范站建设完成

近日,智慧地铁示范车站在广州地铁广州塔站正式上线,实现了人脸识别进站及支付、安检和检票一体化、智能客服、语音购票等服务,在运营管理和客流引导等方面进行了智慧提升。这也是...


山雨欲来“云”满楼—云美摄app兴起之路

群雄并举,风云变幻以此形容中国互联网第一个十年愚以为恰为贴切。就如同春秋战国一般诸侯割据,攻城掠地;颇有种多少楼台烟雨中的意味值得众人回顾玩味。千禧年左右先是新浪搜狐TOM雅...


云从科技创始人周曦:AI本质上是把稀缺资源成倍扩展

8月29日,云从科技创始人周曦在参加上海世界人工智能大会一个圆桌论坛,在讨论人工智能抢去人类工作时,提出一个观点:AI本质上能够把稀缺资源,就是我们最顶级的服务以10倍、100倍的量...


大数据和云存储技术支撑人工智能在安防普及应用

近两年,平安城市、智能交通、雪亮工程等不断开展和深入过程中,以视频监控为核心代表的行业发展正朝着超高清、智能化和融合应用的方向迈进,系统性工程中现有视频监控系统数据采集...


利用AI、云计算和机器学习保护濒危物种 西澳大利亚大学获微软资助

据zdnet报道,西澳大利亚大学(UWA)DNA动物园计划获得微软公司的资助,该项目旨在帮助保护100多万种濒临灭绝的动植物物种。 DNA动物园是一项全球性倡议,涉及8个国家的55多名合作伙伴。作为该...


MIT新研究:AI让每个人设计衣服成为现实

据国外媒体报道,3D打印机的日益普及以及Thingiverse和Shapeways等公司的出现,给了制造商前所未有的力量,让它们能够创造出从角色扮演配饰到替换零件的各种东西。但是,尽管3D打印已经开启...


如何让AI能力延伸至边缘:存储是基础

人工智能技术的复兴,主要归功于过去几年以来以IT为代表的计算能力的显著提升。在与图形处理单元(GPU)以及云计算资源的弹性特征配合使用的情况下,在机器学习与自然语言处理实例当中,...


人工智能、大数据、云计算三大岗位需求激增 求职需选对人

《企业网D1Net》7月10日(北京) BOSS直聘职业科学实验室(CSL)发布了《2019新招聘趋势洞察》,报告指出:无论是行业之间,还是城市集群之间,人才竞争逐步加剧。其中,互联网行业依旧是人才吸...


华为发布Volcano开源项目 让AI算力像火山一样迸发

Volcano 是基于 Kubernetes 的批处理系统,源自于华为云 AI 容器。 Volcano 方便 AI、大数据、基因、渲染等诸多行业通用计算框架接入,提供高性能任务调度引擎,高性能异构芯片管理,高性能任务...


IMU:通过机载机器学习让您的主人入睡

惯性测量单元(IMU)广泛用于从加速度计,陀螺仪和其他传感器提供稳定的多轴位置信息流。利用所有生成数据的多自由度(DOF),来自这些设备的合并数据流可以使系统处理器保持恒定的唤醒...


使用 Google 视觉 API 实现基于云的低成本嵌入式图像识别

不论是人脸、文本或其他图像数据,使用嵌入式系统执行现场图像识别的需求与日俱增。许多实现需要昂贵的高端应用处理器以及昂贵的定制应用代码。此外,图像处理是在片上执行的,这可能...


物联网系统中基于边缘和云的智能之间的最佳平衡是什么?

物联网系统架构师面临着在边缘和云计算扩展部署时找到最佳平衡的挑战。 云计算可能是首选的原因有很多。从表面上看,基于云的智能似乎有几个明显的优势: 基于云的智能提供了对过去系...