/ 中存储网

通往分析论驱动的基础设施之路

2015-02-12 00:00:00 来源:中国经济网

SDN(软件定义网络)虽然这些年来一直被高度关注,但不可否认的是,迄今为止其部署还是很少;与之形成对比的是,NFV(网络功能虚拟化)的道路却越来越明显,发展潜力很大。

通往分析论驱动的基础设施之路

SDN(软件定义网络)技术的持续发展,将在2015年引人关注。然而,NFV(网络功能虚拟化)这一已广泛被服务提供商部署的技术将走进“经典的”企业网络,并不需要SDN的更新。无论何地,虚拟的网络功能都可以基于请求式指令,允许机构动态地提供网络,并且这一功能独立于底层架构。

尽管SDN会继续吸引大量关注,但实际的企业部署却保持在低水平。如同“云”一样,为了实现特定动机,SDN已经被以不同方式定义或者重新被定义。对潜在消费者而言,要辨别部署SDN特有的成本是一种挑战。幸运的是,通往NFV的道路十分清晰。现代通用CPU能够提供与定制硬件相同甚至比其更好的性能,目前的软件也几乎能替代所有放置于网络中某一位置的“中间箱体”。对NFV的兴趣最初主要来自服务提供商,但随后拓展到其他机构。NFV允许企业将网络功能和使用地点分离开来,使得应用和数据在任何地方任何时候都能够被“投射”出来。

数据外泄现象频繁发生

遗憾的是,数据频繁外泄将在2015年继续上演。传统的安全防护措施(如依赖“硬化”的扩展物和严格的移动设备管理)对抑制数据外泄的趋势显得力不从心。企业应该改变方向,将更多的投资花费在侦探和应急上面来。应用软件、网络和设备之间的“可见性”,是改善总体安全态势的第一个关键步骤。建立一个“什么才是正规的”基准,有利于更好地隔离实际威胁,并对其做出反应。

2014年发生的被侵袭案件,其鲜明特征是能够完全规避“扩展物类型”的安全控制措施。针对这些目标人群(这些人往往易受技术的攻击)的攻击,在以后仍会层出不穷。

尽管如此,安全防护方面的预算仍旧不会增加太多,原因在于投资安全防护的回报率难以计算(如:再次构建防护网能够挣多少钱呢?)。当这一切在所难免时,就应该考虑重新分配预算资金以做更好准备。提高侦测能力有助于限制攻击者侵入网络的程度。一个运转良好(以及成熟)的反应程序,能够指导机构在可控模式下迅速恢复,降低错误和遗漏,并尽可能快地获得利润。

混合结构成为标准

虽然云计算和第三方主机托管将继续快速发展,但本地服务平台在未来仍旧会存在。结果是导致混合基础设施的存在,而这会对大多数机构形成挑战,其中包括构造“冲突”,即基于本地服务平台的设计模式开发和部署不能很好地(或者根本不能)转移到“云”上。解决这些问题将需要更为复杂的模型、策略、身份或存取监控以及编码方案,以用来保证终端用户的需求能够在各个平台上得到始终如一的满足。

紧迫性不言而喻。现代商业的动态性特点需要IT开发出能够快速有效解决问题的技术和方法。敏捷式软体开发、建模仿真工具和开发运营经营理念,能够帮助机构在竞争中占据上风,并击败对手。能够为诸如身份认证或授权、进程间通信和服务链之类的常用任务提供抽象层的软件,可能会减少对特定部署构件的依赖,从而使得在各种平台间移动应用程序栈变得更为简单。

决策由可行的分析论来驱动

随着可见性、控制和最优化引入到混合型网络中,构建一个在网络中任何一个地方发生问题时都能够采取行动的、以分析论为驱动的基础的体系构架就会变得日益重要。2015年,更多IT机构将开始插装这样的网络体系构架,这些网络体系构架通过前瞻性分析创造自动修正和自然反应的网络,来满足商业需求和达到商业目的。在2015年,这会成为一种即将开始的趋势。

良好器械化的基础设施,能够为引入自动化提供一个基础。这种自动操作能够帮助基础体系构架对变化的需求作出反应,而并不需要人工干预(同时也能减少人们接触相关技术时可能发生的错误)。可见性工具有利于发现,并反映应用程序工作负载之间的依赖性,而这是实现工作负载可便携性的必要要素之一。此外,分析论会支持将安全防护技术转移到侦探和反应的建议。

地理位置从一种约束转变为一种特征

完全的堆栈虚拟化、无处不在的可见性、混合平台部署等技术,将在2015年出现,它们将创造一种基础设施流动性的模式,这种模式允许机构对数据、应用和人们所处的地理位置进行最优化处理。对数据位置的管制政策,将不会成为一个阻碍,数据的快速存取对任何人来说也将会成为一种可能,而不论人身处何地。采取这些技术的机构,最终将会具有新的竞争优势。

这个行业正处在重大变化来临之即,这些重大的变化也已经做好消除众多限制的准备。在为这些目的而设计的现代工具的帮助之下,IT机构可以将自身从距离和地理位置的约束中解放出来。应用程序和数据可以放置在对商业最有利的任何地方,也可以迅速地在必要的地方来回穿梭。用户将会得到一致性能的体验感,而管理员和开发者能够将可见性保留在程序应用运行中,而不需要考虑用户与数据究竟相隔多远的距离。

转载自:中国经济网