|
|
51CTO旗下网站
|
|
移步端
  • 虚拟化自动化挑战强调AI关键

    虚拟化自动化和混合云已经初步影响管理员的家常生活,该署管理员必须开始关注如何部署这些艺术来成功实现系统产品化。组织者还必须了解,电气化并不是系统部署和保管的最后目标。

    笔者:Trevor Pott 来源:TechTarget中华| 2020-01-14 15:27

    在未来十年,IT天地将经历重大变化,并且,IT组织者的角色将不断演变,她们将负责新的职责。前途十年之第一变化包括完全依赖虚拟化自动化和混合云平台–该署已经化为当代IT天地服务提供商和大型集团之正式操作程序。

    并不是说管理员完全不通过行政化完成IT任务,也不是说数据中心应该完全迁移到国有云或完全留在集团内部。虚拟化自动化和混合云已经初步影响管理员的家常生活,该署管理员必须开始关注如何部署这些艺术来成功实现系统产品化。组织者还必须了解,电气化并不是系统部署和保管的最后目标。

    机器人

    虚拟化自动化的首要好处之一是消除每个系统中的人工干预和手动编写脚本。组织者可以集中创建自动化策略并将他推送到设备组。即使是Puppet和Ansible等配置管理供应商也采取自动化技术来形成很多IT借鉴。

    这样做的结果是,组织者将他网络的许多管理和制度化操作移交给AI工作者-这通常是治本使用程序的样式。局部AI工作者基于云,例如Microsoft Intune,而其余不是,例如VMware的vSphere平台。

    即使是小型企业网络,也依赖某种形式的无,尽管它们通常使用管理员精心整理的剧本集。绝大多数中小企业尚未超越Microsoft Active Directory强制推行的组策略对象(GPO)规模,并且他们日常采用VMware的分布式资源配置程序(DRS)来自动执行任务。

    在较大型集团中,采用GPO和DRS普通不会削减成本。有的是人口选择用Turbonomic(此前称为VMTurbo)来代替DRS,或选择竞争对手的产品,该署产品可提供改进的风源配置以及资源规划和超额配置分析。但是某些端点管理使用程序(例如Intune)会增强GPO,而端点保护采取程序提供了一种实现国产化策略的主意。

    电气化策略减少负载,但没有滑坡工作量

    基于模板和配置文件的方针管理是先前管理方式的逻辑演进。他是一种自动化形式,这种管理使现有管理员能够消灭其工作范围内不断增强之体系数量,故而减少了可用作业的多寡。

    组织者通常会利用他们可用之工具在规定的年华范围内完成任务。但是,基于工具可用性来选择所运用的主意非常困难。基于配置文件和基于模板的方针部署使管理员可摆脱繁琐的单独管理系统工作,不过,出于企业内部系统之充实,这会引入与定义策略相关的天职。

    最新的无甚至可以接管管理员的方针定义工作,使那些管理员可以自由地监控其他任务。

    超越AI和机器学习的宣传

    必发娱乐手机版和机器学习可以为无数管理员减轻定义策略的承受。视点保护产品越来越多步采取AI和机器学习-不仅有助于检测安全风险,而且还可以自行确定应运用的方针。

    基于云的AI工作者可以关联有关政策实施的检测数据,直到系统对安全默认值有了新的认识。另外,机动事件响应不仅有助于标记潜在的平安漏洞,而且还有助于连接安全体系到基础架构,故而自动隔离高风险系统。

    但是部署AI和机器学习技术可能会给一点管理员带来麻烦。出于策略执行自动化是零散的,机器学习革命也是如此-如今需要额外的云管理。

    例如,Wi-Fi连片点和相关管理软件比某些管理员认为的更困难安排。也许没想到的是,该署系统需要极少的发射功率。否则,该署装备都将无法相互通信,因为周围海域中的每个设备都要传输自己之信号。

    即使部署所有正确的工具,组织者也可能会遇到这样的辛苦。Wi-Fi空气是变态的,如果管理员未正确配置其访问点,WiFi空气很容易崩溃。Wi-Fi产品可不断扫描无线电环境中的Wi-Fi和蓝牙,下一场优化接入点以劳动相关客户。

    就个人而言,必发娱乐手机版和机器学习并不是改变生活之技艺。它们各自都有其优势和用例,特别是对于大型集团。但是AI和机器学习可帮助更好地回答常见痛点问题。

    大数量计算分析工具并不是突出事物,不论机器学习还是AI。但是,机器学习和AI已下工作分析转向提高IT营业效率。基于混合云的AI工作者进入数据中心,是为了帮助企业采取相同人数管理更多系统。

    在未来十年中,组织者使用的工具将持续演变。末了,能力更强的AI工作者将管理其他AI工作者,而人类管理员将继续前进。集团将在组织者和工作负载之间增加更多的泛层,每层都有新的管理级别。少数人可能认为这种效率低下,因为该系统投入了额外的潜伏期、存储和网络带宽来保持工作负载运行。

    但是,少数应用程序(例如Netflix)要求那些抽象和制度化层。在少数时段,人类管理员根本无法将系统扩展到与AI和机器学习相同的水准。

    【编纂推荐】

    1. Linux 编造内存和物理内存的了解
    2. 影响系统之虚拟化挑战
    3. Linux虚拟化Docker的Docker镜像
    4. Java虚拟机:Jvm概念和规律详解以及GC公有制的剖析
    5. 十年架构师详解JVM运作规律
    【义务编辑: 武晓燕 TEL:(010)68476606】

    点赞 0
  • 虚拟化  AI  IT
  • 分享:
    大家都在看
    猜你喜欢
  • 订阅专栏+更多

    Python使用场景实战手册

    Python使用场景实战手册

    Python使用场景实战手册
    共3章 | KaliArch

    115人口订阅学习

    一步到位玩儿透Ansible

    一步到位玩儿透Ansible

    Ansible
    共17章 | 骏马金龙1

    182人口订阅学习

    云架构师修炼手册

    云架构师修炼手册

    云架构师之必不可少技能
    共3章 | Allen在路上

    131人口订阅学习

    读 书 +更多

    最佳网管员――网络设备

    该书深入细致地介绍了用于构建网络的最重要的软件设备――成像机、玉器、安全装置和输油管线设备,涵盖了原理、数、列入、租用、计划、接口...

    订阅51CTO邮刊

    点击这里查看样刊

    订阅51CTO邮刊

    51CTO劳务号

    51CTO官微