数据中心业界的新兴趋势:从DevOps到DataOps

服务器 数据中心 云计算
如果我们要列出当前影响企业数据中心的相关主要趋势,大多数技术人员和技术投资人可能会就一系列的核心趋势方面达成一致。该核心趋势清单将包括诸如云计算、容器和虚拟化、微服务、机器学习和数据科学、闪存、边缘计算、NVMe和GPU等技术。这些技术对于推动当前企业组织机构的数字化转型都非常的重要。

 如果我们要列出当前影响企业数据中心的相关主要趋势,大多数技术人员和技术投资人可能会就一系列的核心趋势方面达成一致。该核心趋势清单将包括诸如云计算、容器和虚拟化、微服务、机器学习和数据科学、闪存、边缘计算、NVMe和GPU等技术。这些技术对于推动当前企业组织机构的数字化转型都非常的重要。

但较难回答的问题则是:接下来会发生什么呢?哪些新兴技术或趋势的转变有望成为数据中心业界的下一个大事件呢?而这些新兴的技术及趋势又将对硬件和软件市场产生什么样的影响呢?

目前,一种新兴的趋势已经开始在大型企业中获得了较为广泛的关注。这是一种被称为“DataOps(数据操作运营)”的实践方案。这一新的术语是由另一个更为出名的“DevOps”这一概念衍生而来的,“DevOps”这一概念在十年前就已经出现了,其目的是整合软件的开发(“dev”)和操作运营(“ops”)。尽管DataOps与DevOps在某些方面的目标是一致的,但其更为显著的体现了我们今天在数据中心业界所看到的一些主要变化。

DevOps概念的提出

让我们先从DevOps开始展开我们的讨论吧。早在2008年,当DevOps这一概念首次被提出的时候,其描述的是一项旨在最大限度地提高应用程序构建和部署过程中的自动化和可重复性的IT实践。其宗旨是:如果软件开发人员和操作运营专业人员可以紧密合作,那么,构建和部署应用程序将会更快,成本更低。实践的目标包括提升灵活敏捷性,实现更快的产品上市时间和持续的应用程序交付。

诸如VMware、Docker、Puppet和Chef这样的公司都已经赶上了DevOps的这一波浪潮。

DevOps泡沫的破灭

尽管经历了软件开发人员们早期的狂热和兴奋阶段,DevOps目前已经停滞不前了。根据2017年的一项研究表明,DevOps尚未完全履行其最初承诺。在这项研究中,共计有2197名企业IT主管接受了调查,其中只有17%的受访者将DevOps列为对其所在的企业组织有重大战略影响——而这一比例远远低于大数据(41%)和公共云基础设施即服务(39%)。其中一名受访者解释说:DevOps方法并没有充分考虑到数据密集型的应用程序。

数据的兴起

如果说现在已经有一种趋势几乎影响到所有行业的企业组织的话,那么毫无疑问,这一趋势便是企业越来越重视通过对于数据的分析使用来推动业务价值的实现了。而根据IDC公司的一项研究预测,到2020年,全球范围内的数据量将达到44泽字节,而1986年则只有3艾字节。无论是改善客户体验,提高运营效率还是创造新的收入来源,数据都能够为跨各个行业的企业组织提升市场竞争优势提供了杠杆支撑。

为什么如此数据重要

如果说数据的使用已成为当前企业所采用的颠覆性的商业模式的一部分,那么考虑如何管理和部署数据密集型应用程序则已成为企业组织IT实践的核心。与DevOps方法所重点关注的轻量级应用程序不同,当企业组织开始讨论数据密集型应用程序时,会出现一系列新的考虑事项。

数据管理实践方案涉及到整个应用程序的生命周期。例如,数据科学和机器学习应用程序的发展需要使用大量的训练数据。而操作运营团队所部署的应用程序也有所不同;出于性能原因方面的考虑,数据密集型应用程序需要考虑数据的局部性,这意味着需要在持续产生数据的位置附近部署流程。此外,只要企业组织内部的各个不同的团队需要使用数据,那么对于数据的访问就必须受到严格的IT安全策略的控制和管理。

DataOps适用于数据驱动的应用程序

这些以数据为中心的新的理念激发了数据中心业界对于超越DevOps限制的实践方面的需求。简而言之,DataOps是开发和部署数据密集型应用程序的一种灵活敏捷的方法。这种做法很大程度上受到企业内机器学习和数据科学团队发展的鼓励,这需要涉及到企业内的软件开发人员和架构师、安全与管理专业人员、数据科学家、数据工程师和运营人员之间的密切合作。DataOps是一个人员加流程的模式,旨在提高可重复性、生产力、灵活敏捷性和自助服务,同时实现持续的数据科学模型部署。

在我们与一些大型企业组织的合作过程中,我们发现一些大型企业雇佣了数千名的数据科学家,我注意到:这些企业在用来支持DataOps的基础架构、平台和工具类型方面发生了相应的变化。尽管用于支持DevOps实践的一些工具(例如容器和虚拟化)仍然是DataOps的核心,但还有其他需要强制使用更新的技术,这可能暗示了未来十年的市场赢家。

首先,在工具层,DataOps实践方案需要一款能够支持相关语言和框架(如Python、R、data science notebooks和Github)的数据科学平台。此外,一种强有力的方案应该有助于在流程的各个阶段执行严格的数据访问和管理政策。数据即服务(Data-as-a-service)或自助服务数据市场工具是相当关键的。

在平台层,DataOps需要一款统一的数据架构,可以管理和提供大量数据的访问,包括传统的结构化数据以及更新的非结构化和流式数据集。借助一款全球数据架构,可以跨物理位置管理数据,并使用广泛的计算引擎(包括集装箱化流程)来处理数据。最后,选择支持数据密集型应用程序的平台必须针对数据局部性进行优化。

下一代的市场赢家

作为软件行业的资深人士兼学生,我知道该行业唯一不变的就是不断的变化。虽然没有人拥有能够预测未来的水晶球,但我认为可以肯定地说未来十年的数据中心将与过去十年的数据中心不同。 DataOps是一个值得关注的趋势。随着企业对于这些实践方案的采用变得越来越普遍,我预测我们将看到技术市场的相应转变。而市场的赢家将是那些能够提供相应工具和平台的公司,以便使得开发和部署数据密集型的应用程序变得更容易。

责任编辑:武晓燕 来源: 机房360
相关推荐

2015-12-28 10:12:58

数据中心新兴趋势

2014-12-16 09:40:59

网络拓扑结构数据中心

2022-01-10 07:27:04

DataOps数据驱动

2020-08-31 15:52:58

数据中心互联网

2010-10-22 13:43:04

虚拟化云计算数据中心

2018-05-14 23:24:02

2023-07-24 14:43:18

2013-07-26 16:10:13

微信

2023-04-18 10:05:24

数据中心服务器

2021-01-07 10:15:24

数据中心边缘数据中心网络

2015-11-03 11:29:56

2018-06-28 22:41:55

数据中心边缘计算网络

2013-05-29 11:10:42

数据中心数据中心架构数据中心发展

2020-06-28 08:49:07

数据中心能源技术

2021-01-15 10:28:19

数据中心边缘数据中心

2017-12-07 09:07:15

数据中心宏观微观

2021-04-02 11:20:06

云数据中心云服务数据中心

2015-06-30 10:53:43

2013-12-11 13:38:56

数据中心发展趋势

2015-03-23 10:39:01

数据中心不间断电源系统UPS
点赞
收藏

51CTO技术栈公众号