큐:
기업은 "동적 예측 불가능 성"을 어떻게 다룰 수 있습니까?
ㅏ:많은 기업 IT 상황에서 이는 엄청난 양의 디지털 엔터프라이즈 운영을 클라우드 또는 가상화 시스템에 배치함으로써 발생하는 동적 예측을 처리하는 방법에 대한 백만 달러짜리 질문입니다.
클라우드 및 가상화 시스템을 평가하고 관리하는 숙련 된 IT 전문가는 동적 리소스 사용으로 이어지는 광범위한 문제에 익숙 할 것입니다. 첫째, 가상 머신과 호스트, 서버 설정 및 시스템의 다른 구성 요소 간의 관계가 있습니다. 다운 타임뿐만 아니라 시스템에 대한 피크 시간 수요의 특성이 있습니다. 확장 성이 있습니다. 시스템이 확장됨에 따라 필요한 것보다 많은 인스턴스가 생성되는 가상 머신 스프롤 또는 프로젝트 부풀림이라는 현상이 발생하여 전체 시스템에서 혼란을 초래할 수 있습니다. 일반적으로 워크로드를 동적으로 처리하면 리소스를 효율적으로 사용하기 위해 회사가 사전에 처리해야하는 혼란이 발생합니다. 또한, 다양한 응용 프로그램의 사용을 변경하려면 회사에 응용 프로그램 해체 전략이 있거나 시스템에서 더 이상 사용되지 않는 응용 프로그램이 필요합니다.
방정식의 저장 측면에는 많은 동적 요구가 있습니다. 회사는 스토리지 계층화를 처리해야 할 수 있습니다. 핫 또는 더 자주 사용되는 데이터를 특정 스토리지 영역으로 이동해야하거나 다른 유형의 데이터 세트에는 특정 처리가 필요합니다. 특정 데이터는 별도의 계층에 배치해야 할 수도 있습니다. 이 모든 것이 상당한 양의 실시간 관리를 요구할 수 있습니다. 메모리 제약으로 인해 문제가 발생할 수 있으며 가상 시스템을 잘못 할당하면 병목 현상이 발생하여 수동으로 해결해야 할 수도 있습니다. 이런 의미에서 시스템 관리자는 종종 작업량이 많은 "트래픽 경찰"의 역할을 수행하여 워크로드 및 데이터 처리 작업을 시스템의 지정된 VM 및 호스트와주고받습니다.
기업은 Amazon Web Services 또는 Microsoft Azure와 같은 인기있는 제공 업체의 수많은 서비스를 관리하면서이 모든 작업을 수행해야합니다.
동적 예측을 처리하는 가장 기본적인 방법 중 하나는 시간이 지남에 따라 이러한 시스템을 수동으로 조정하는 것입니다. 많은 회사들이 가상 머신 및 기타 구성 요소가 실시간으로 작동하는 방식을 시각적으로 살펴봄으로써 브레인 스토밍 및 창의적 미세 조정 시스템에 대해 사전 예방 조치를 취했습니다. 이를 통해 회사는 시간 요구 및 기타 문제를 처리하고 피크 처리 할 수 있습니다.
그러나 클라우드 또는 가상화 시스템을 최대한 활용하는 일부 회사는 인간 의사 결정자의 지속적인 입력없이 VM 할당 또는 리소스 할당을 지능적으로 변경하는 자동화 플랫폼을 사용하기 시작했습니다. 이러한 자율 시스템에는 종종 머신 러닝 원칙을 통해 디지털 시스템의 동적 예측 불가능 성을 관리하는 방법을 보여주는 대시 보드 및보고 요소와 함께 많은 데이터 시각화가 포함됩니다.
