如何构建适用于高级工作负载的可组合分解基础设施

网友投稿 348 2023-04-16

本站部分文章、图片属于网络上可搜索到的公开信息,均用于学习和交流用途,不能代表睿象云的观点、立场或意见。我们接受网民的监督,如发现任何违法内容或侵犯了您的权益,请第一时间联系小编邮箱jiasou666@gmail.com 处理。

如何构建适用于高级工作负载的可组合分解基础设施

企业如今正在生成比以往更多的数据,但他们还需要可以理解所有这些信息的应用程序。许多人正在采用人工智能、大数据分析和其他先进技术,这些技术可以从数据中获得有意义的见解。但是,这些应用程序需要足够的IT基础设施提供支持,这些基础设施有时甚至包括高性能计算环境。

只靠基础设施提供支持是不够的。用户需求在不同的应用程序之间可能有很大的差异,甚至在同一个应用程序中也会有波动。这些不断变化的应用程序需求使得传统的基础设施很难满足高级工作负载的需求。因此,许多组织现在都在寻求采用可组合分解的基础设施。

大数据分析和其他高级应用程序

在当今的企业中,数据可以来自事务系统、物联网设备、社交媒体网站、网络日志、用户设备、受监控的IT系统和各种其他来源。通过从这些数据中获得见解,组织可以获得多种好处。例如,他们可能会使用这些信息来优化IT运营或提高员工的生产率。另外,他们可能会使用它来改善客户服务或获得竞争优势。

全面的数据分析需要结合先进的技术,如机器学习、深度学习、神经网络或预测分析。这些应用程序需要足够灵活和可扩展的基础设施,以适应它们之间的差异。例如,采用机器学习进行统计可能使用更小的数据集和更少的计算资源,而深度神经网络可能需要更高的性能和更多的数据。

IT团队必须能够经济高效地运行两种类型的应用程序,同时仍要提供必要的性能。这本身可能很困难,但是单个应用程序也可能带来挑战。高级应用程序在经历多个阶段时可能会有不同的要求,因此在不同的时间需要不同的计算和存储资源。例如,摄取数据可能是I/O密集型操作,而训练和验证模型可能需要大量的CPU和内存资源。

满足所有争夺相同资源的多个应用程序的不断变化的需求可能是一个艰巨的过程,并且是难以实现的目标,尤其是在试图最大限度地利用资源时。如果应用程序需求不可预测且不断变化,那么即使是传统的高性能计算(HPC)平台也会出现问题。高级应用程序在需要资源时需要正确的资源组合,否则会面临严重延迟的风险。

可组合分解基础设施的好处

传统的基础设施很难满足当今高级工作负载的要求。这些系统遵循通常复杂且不灵活的架构,因此很难在不过度配置或未充分利用资源的情况下适应不断变化的工作负载需求。这并不是说这些系统无法更新或重新调整用途,但这样的过程既耗时又昂贵,同时导致基础设施也同样面临僵化的情况。

使事情复杂化的是,供应商针对特定的工作负载优化了许多系统,并且将硬件和软件紧密捆绑在一起,这使得快速响应不断变化的应用程序需求变得更加困难。例如,近年来超融合基础设施(HCI)已被证明非常受欢迎,因为它简化了部署,但同时也受到资源比例固定和灵活性有限的影响。分解后的超融合基础设施(HCI)改变了这一情况,但它仍然针对特定的工作负载,不支持在裸机上运行的应用程序。

由于其他基础设施的局限性,许多组织正在采用可组合的分解基础设施,它将硬件分解为逻辑资源池。在这些资源池中,用户可以按需提供资源,以适应不断变化的应用程序需求。这不仅可以帮助满足当今高级应用程序的基础设施和资源调配需求,而且还可以提高资源利用率。此外,可组合的基础设施为自动化和基础设施即代码打开了大门,带来了更大的灵活性和更快的上市时间。

随着可组合的业务需求的不断变化,分解的企业可以根据不断变化的业务需求和可组合的应用程序配置和需求进行重组。资源成为一个弹性的构建块,用于提供优化的环境,该环境的配置可以支持特定的工作负载,而不必等待冗长的IT分配过程。当应用程序不再需要这些资源时,这些资源将返回到资源池中,供其他应用程序使用。

可组合平台的核心是管理软件,该软件将物理计算、存储和网络硬件抽象为可根据需要访问的服务,就像云计算服务一样。当平台接收到对应用程序资源的请求时,可组合的软件动态地组合组件并确保其可用性,直到不再需要它们为止。

通过这种方式,可组合的分类基础设施可以适应广泛的工作负载(包括人工智能和高级分析),无论是在虚拟机中运行,是在容器中运行,还是在裸机上运行。

现实世界中的可组合性

可组合分解的基础设施正在成为部署包含机器学习和深度学习等先进技术的应用程序的一个引人注目的选择。事实上,市场上已经有几种可组合的产品,例如HPE公司的Synergy平台、Dell EMC公司的PowerEdge MX模块化基础设施和Liqid公司的可组合基础设施软件平台。

随着可组合架构的不断成熟,许多行业都将从中受益。这包括医疗保健、金融服务、托管服务提供商、大学和政府研究人员,以及几乎所有计划运行高级工作负载的组织。

事实上,可组合性已经取得了重大进展。例如,德州农工大学工程学院的研究人员最近从美国国家科学基金会获得了390万美元的资助,以开发下一代可组合高性能计算平台。研究人员将利用该平台探索在数据驱动发现中利用机器学习的新方法,这将有利于依赖人工智能技术和大数据实践的广泛科学领域,如网络安全、基因组学、农业科学、气候建模、生物医学成像等。

大学并不是唯一进入可分解的基础设施潮流的机构。Liqid公司最近与美国国防部签署了一份3200万美元的合同,为美国陆军工程兵团提供两个可组合的高性能计算(HPC)系统,这些系统采用了Liqid公司和英特尔公司的技术。工程兵团将使用该系统运行人工智能应用程序,从而帮助在全球范围内提供必要的军事和民用工程服务。

可组合分解的基础设施行业还相对年轻,和可组合平台本身一样充满活力。但是,组合架构在过去几年取得了长足的进步,而且很可能还会继续发展。可组合性并不一定对所有的工作负载或环境都有好处,但它在适应应用程序方面有很大的帮助,特别是那些结合了人工智能和其他先进技术的应用程序。

上一篇:Zabbix5.2实战系列之如何开启Https(LAMP)
下一篇:用Portainer.io来监控和管理Docker容器(1)
相关文章

 发表评论

暂时没有评论,来抢沙发吧~