在混合云中管理数据库:8个关键注意事项

日期: 2022-07-22 作者:George Lawton翻译:邹铮 来源:TechTarget中国 英文

在帮助企业安全迁移到云端方面,混合云架构发挥着至关重要的作用,并且,对于必须保留在本地的数据,混合云架构提供一种方法来满足数据治理和风险管理要求。但是,将应用程序和支持它们的数据库迁移到混合云也需要大量的规划和测试,以及持续的管理和监控。

在混合云数据库环境中,有些数据在本地存储和管理,有些数据被移动到公共云。因此,在混合云中运行数据库引入新的数据管理注意事项,必须解决这些注意事项以确保数据安全、准确并符合法规,同时确保数据能够得到有效处理。

什么是混合云?

混合云结合公共云服务与传统企业IT基础设施(通常设置为私有云)。企业 IT 方面可能包含服务器,这些服务器由企业在其自己的设施中直接管理的服务器,或托管在与其他用户共享的第三方数据中心中。有些应用程序使用熟悉的内部IT流程进行管理,而其他应用程序则通过特定于云的流程进行管理。

混合云数据库部署将相同的概念扩展到数据本身。但技术研究咨询公司Everest Group的合伙人Yugal Joshi表示,企业是否需要采用混合云数据库模型,这应该取决于,需要数据库在混合云的应用程序和工作负载需求。如果是这种情况,混合架构可以为底层应用程序提供补充优势-通过简化对所需数据的访问。

尽管它们通常比本地数据库系统提供更低的成本和更大的灵活性,但云服务并不是对每个企业或应用程序都适用。Joshi表示:“随着数据审查的增加、强大的数据引力、对延迟的工作负载要求、许可复杂性和数据分散化,并非所有数据都可以放在一个地方,例如公共云,这是混合模型可以增加价值的地方。”

对于部署数据库 混合云的优势

混合云数据库环境的好处就像针对应用程序的混合云一样:提供对自动化云服务的访问、打开新选项并提高可移植性。

自动化的云服务。 咨询公司Nucleus Research的研究分析师Alexander Wurm解释说:“通过使用混合云来部署数据库,企业可以获得现代云的好处,例如定期更新和弹性可扩展性,而不会影响安全性和可靠性-由支持关键任务工作负载的现有本地基础设施提供。”

新选项。企业还可以探索新选项。管理咨询公司Kearney的数字化转型实践合伙人Joshua Swartz表示,如果与安全、性能、质量或成本等关键变量相关的需求随时间发生变化,则可以使用更多选项来重新平衡投资组合。

可移植性。混合云数据库方法还支持跨多个私有云和公共云服务的数据和工作负载可移植性。数据管理和分析平台提供商1010data公司的首席技术官Terry Sage称:“这反过来又允许企业选择跨混合云协调数据和工作负载,从而避免供应商锁定,实现成本和效率优势,以及扩展和缩小环境以满足服务需求的能力。”此外,可移植性可以使恢复和业务连续性规划更容易,并鼓励实验和创新。

在规划混合云数据库策略时应考虑的事项

混合云架构提供的好处可以带来降低成本的新机会;然而,它们也引入新的安全、性能、集成和数据质量挑战,需要首先解决这些挑战,以最大限度地利用混合云数据库战略。 IT 团队、数据经理和数据库管理员在混合云环境中部署数据库之前应考虑以下问题。

1. 数字化转型和应用程序现代化目标

最好的起点之一是确定各种目标,以实现业务流程和为其提供动力的应用程序的现代化和转型。IT管理咨询公司Capgemini多云管理交付架构师Brian Schneider表示:“企业不仅需要了解业务的数字化转型目标,还需要了解他们希望通过对现有应用程序和这些应用程序使用的数据库进行现代化改造所获得的结果。”其结果应该是为业务和终端用户提供最有效和最具效益的数据库选项。

这个过程应该从发现阶段开始,应该涵盖应用程序团队和业务所有者,以确定当前的架构、应用程序体验和最终用户的痛点,然后创建一个转型路线图以进行改进。让利益相关者参与该过程至关重要。数据经理可以帮助利益相关者了解可能影响规划的本地和云数据库技术进步。

2. 应用程序和数据库的适当分组

专注于业务和应用程序目标还有助于确定暂存数据以支持不同应用程序需求的最佳方式。 托管服务提供商Syntax公司首席技术官Colin Dawes指出:“移动应用程序和数据库需要将应用程序和数据库适当地分组为逻辑单元。”

创建这些自然断层线可以帮助数据管理团队将整体系统划分为可管理的块。Dawes警告说,如果弄错这部分流程,可能会出现性能和稳定性问题,从而导致利益相关者全面拒绝流程。

3. 成本效益分析与其他方法

数据经理需要分析对现有本地数据库进行现代化改造、迁移到云端或采用混合方法的相关成本和收益。与纯云或本地方法相比,混合云的部署和管理本质上会更加复杂和昂贵。数据智能平台提供商BigID公司客户服务高级副总裁George Chedzhemov表示:“企业应该计算额外的成本和管理开销,并通过收益和业务需求来证明其合理性。”

增加的费用可能是值得的,但对于部署新的云数据库服务,企业还需要仔细权衡所带来的挑战,毕竟这些服务作为混合战略的一部分会带来额外的困难。Chedzhemov认为,专有方法(例如 AWS DynamoDB或Google Cloud Spanner)可能会限制部署选项。他推荐了基于MySQL、PostgreSQL、MongoDB和Apache Cassandra等开放标准的云服务,以提高跨本地和云服务的兼容性。

4. 数据输出费用

混合云数据库策略应包括数据流。原本使用本地数据库数据传输成本可忽略不计,在迁移到混合环境后,数据传输成本可能会很高。Sage指出:“这些成本可能很高,并且取决于为支持混合云数据库策略而复制的数据量。”

通过适当的架构,可以减轻其中一些成本。尽管如此,如果数据流经昂贵的渠道,则应实施适当的控制。

5. 数据延迟

由于不同云服务提供商之间的数据传输以及物理资源之间的距离,混合云数据库也会引入网络延迟。Sage说,混合方法通常会导致更长的路由和更多的网络跃点,这可能会增加数毫秒甚至数秒的数据传输时间。在规划时,应考虑网络延迟和重新审视所选物理区域的决策。她建议道:“有时将不同的云服务提供商托管在相似的地理区域以降低成本和网络延迟会更有意义。”

在规划云端或本地节点是否具有更主动或被动的角色时,还需要从延迟的角度考虑配置选择。例如,主动-主动集群配置通常在私有云和公共云之间具有较少的竞争延迟,Wurm 说,主动-被动配置可能是拥有大量边缘数据的资产密集型行业的更好选择。

6. 数据安全

区块链数据库平台提供商Fluree公司首席执行官兼联合创始人Brian Platz表示,管理和保护数据必须成为混合云数据库战略的一部分,因为混合云环境的复杂性会增加潜在的攻击面。他解释说:“重要的是,在所有可能的环境中绘制数据的架构流程,以及部署安全和治理措施,并在所有可能的环境中管理、部署、移植和虚拟化数据时,保护数据。”

考虑使用持续集成/持续交付测试和版本控制来降低安全风险。探索以数据为中心的安全治理也是值得的,这可以在数据跨各种网络和云移动时保护数据。

7. 新工具和技能要求

混合云数据库可能会引入需要解决的新数据工作流。Everest Group公司的Joshi表示,公共和本地系统的数据管理工具集可能会有所不同,这可能会增加运营成本。他建议开发标准操作模型和工具策略,用于扩展、跨技能和即插即用操作。

沿着这些思路,不同的技能可能需要支持这些新的工作流程。Joshi承认:“为公共云寻找人才很困难,但对于混合云来说,情况更糟。”

8.平衡稳定性和简单性

任何用于存储和传输数据的新基础设施都有可能产生新的故障点。考虑如何在系统或网络脱机时最大限度地减少对运营的干扰。Kearney公司的Swartz称:“解决这个问题有点像保险单,绝对可以创建冗余和故障安全机制,但成本相当高。”大多数公司遵循的方法是根据业务关键性对数据进行分层,并仅为最关键的数据提供最昂贵的冗余。

同样重要的是,对需要集成多个系统所需的工作做好准备。每个额外的系统或数据库都会带来与核心应用程序和系统集成所需的另一个接口。开发具有较少接口的架构可以降低管理风险。

Swartz说,与纯云或本地方法相比,管理混合云环境可能要复杂得多,成本也会更高。更改、更新、补丁和增强都需要更广泛和更精细的计划、测试和监控,以避免产生兼容性问题的多米诺骨牌效应。

我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。

我原创,你原创,我们的内容世界才会更加精彩!

【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】

微信公众号

TechTarget微信公众号二维码

TechTarget

官方微博

TechTarget中国官方微博二维码

TechTarget中国

电子邮件地址不会被公开。 必填项已用*标注

敬请读者发表评论,本站保留删除与本文无关和不雅评论的权力。

翻译

邹铮
邹铮

相关推荐

  • Java、JDBC和Postgres

    现在越来越多的企业开始部署PostgreSQL,为什么呢?当你看到这个许可开源数据库所提供的功能,你就不会对此 […]

  • 5个元数据管理最佳实践

    在数据驱动的环境中,元数据不仅仅是数据的副产品;还是综合数据治理战略的关键组成部分。企业需要适当的元数据管理, […]

  • Cockroach Labs增加矢量搜索,更新定价选项

    Cockroach Labs 近日推出矢量搜索功能,旨在使客户能够访问和操作非结构化数据,以训练生成式人工智能 […]

  • 如何使用数据治理成熟度模型

    如果没有强大的数据治理,数据就无法产生有价值的见解以及改善决策。数据治理成熟度模型可帮助企业评估当前的成就水平 […]