数据中心迁移是项复杂工程,可能很难向为迁移活动拨款的企业高管解释清楚,需要了解并管理相关的业务运营风险。下面我们分析一下与管理数据中心有关的几个难题和风险。
服务可用性
数据中心的主要目的就是,托管运行为业务提供服务的应用程序。无论你何时考虑从一个数据中心迁移到另一个数据中心,必须首先考虑底层服务的可用性。这些服务包括:活动目录之类的基础设施应用程序和SAP之类的面向客户的应用程序。
当服务从一个数据中心转移到另一个数据中心时,你必须制定一项策略,特定的服务何时迁移和应用程序对彼此的依赖关系都必须考虑进来。确保服务可用性的一个常见做法就是,建立迁移组,然后把互相依赖的应用程序分到同一组。
至于支持大多数企业应用程序的服务,比如活动目录和DNS,一个常见做法就是,跨数据中心扩展这些核心服务。服务依然在两边的数据中心,直到迁移完成。
硬件迁移
迁移物理服务器通常有两种策略:一种名为“平移”(lift and shift),另一种名为数据复制。在平移策略中,硬件放到活动卡车上,然后安装到新的数据中心。系统在搬到新址之前已备份好,不过这个策略会带来一些风险。
最大的风险之一是物理服务器可能在搬运过程中遭到损坏;搬运过程中的损坏会导致备份毫无用处。另一个挑战就是两个数据中心相隔太远,因而这个方法不现实,无法保证服务在可以接受的时间段内可用。
第二种策略是通过一条租用线路来进行数据迁移。租用线路带来了两种sub-swing硬件方案。一种方案是执行物理机到物理机(P2P)迁移。P2P迁移需要购置同类硬件,以便原有数据中心的应用程序和硬件可以迁移过去,同时确保停机时间最短。
另一种硬件迁移方案是物理机到虚拟机(P2V)转换。P2V需要通过租用线路,将物理机转换成虚拟机。P2V旨在实现两个目标:第一个目标是,将工作负载从一个数据中心迁移到另一个数据中心,同时确保硬件成本最低。第二个目标是,通过转移到虚拟平台,实现数据中心转型。P2V迁移是大受欢迎的方案,因为许多工程师已经习惯于执行这种转换,这是之前数据中心项目的一部分。
数据迁移
将应用程序数据从一处迁移到另一处可能是数据中心迁移工程的最复杂的环节之一。一种简单的方案就是执行基于磁带或硬盘的备份,并执行恢复;不过,类似平移迁移,备份和恢复在及时恢复服务方面提供的能力很有限。另外,备份和恢复并不是最适合数据迁移的理想方法――它更适合数据恢复方案有限的灾难恢复这种场景。
为大多数数据迁移选择的主要方法是配置一条租用线路。如果两个数据中心之间有了一条专用连接,迁移团队就能充分利用基于硬件或软件的同步机制,执行数据迁移。除了能够迁移数据外,这个方法还可以用来执行P2P迁移、P2V迁移和虚拟机到虚拟机(V2V)迁移。
许多企业决定在两个数据中心之间拥有多条连接。连接至少需要两条线路:一路连接支持平常的最终用户和数据中心到数据中心的流量,以便支持活动目录等应用程序和应用程序到应用程序的流量;第二路、通常速度更快的连接用来执行数据同步。双路连接可以防止两种全然不同的流量干扰或影响对方。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。