APP下载
报价宝  ›  资讯  › 

云边端一体化成 IT 运维必修课?监控易:核心是让数据“更有用”

报价宝 来源:baojiabao.com 发布时间:2023-01-05 22:09:18 10月30日更新
报价宝综合消息云边端一体化成 IT 运维必修课?监控易:核心是让数据“更有用”

随着 5G、AIoT 等技术加速落地,党政、八大行业及央企国企数字化转型持续深化,数据已经成为毫无争议的企业资产。当下 IT 运维是企业进行数字化升级的问路之石,IT 运维建设在当前时期以内,几乎可以等效为对数据更高效应用的探索。对数据应用的进一步探索,也将企业的数字化建设焦点集中到一个领域的投入:云边端一体化。

产业踉跄跨入数字化阵痛:云原生尚需边端力量补充

自从 2013 年概念诞生以来,"云原生"一度被认为是下一代 IT 部署的最佳形态。彼时,云原生在云计算与软件开发圈尚属新概念。通过一系列软件、规范和标准,让企业得以在云上构建和运行一整套技术栈,通过最短的路径为企业提供 IT 服务,被认为在通信、物联网等技术获得突破后会成为一种理想的业态。

这一套理论尚未得到深入认证,近几十年最大的黑天鹅事件爆发 -- 新冠疫情来袭。

疫情对于国民经济中各项职能的运转而言,堪称降维打击,却也带来了另外一项副产品:企业数字化进程,被大大提前了。

据业内人士估计,企业无论是出于技术迭代的实际需求,亦或是出于通过数字化尽量规避疫情对企业运转的冲击,在宏观上让数字化的进程加速了 3-5 年。这也让云原生在火热发展期时,直面市场的验证。第一个考验云原生的"考题"集中爆发的场景,就是各企业争相进行的 IT 运维数字化。IT 运维或许在企业的业务中并不产生正向收益,但传统 IT 运维已经成为企业不折不扣的负担。多端零星数字化并发进行,投入的运维成本与"数字化"的规模呈正比,降本增效丝毫谈不上。云原生研发圈子不得不承认,传统行业若想通过云原生的能力实现数字化转型,直接采用互联网云原生能力简单叠加在现有基础设施之上的方法,无法满足传统行业普遍存在的跨集群、跨区域、跨云的全局化业务场景。这意味着,当下企业数字化的矛盾,重点是大数据基础设施与一体化运维之间的矛盾,而非通过云获得离散的 IT 服务。

如果离散的服务可以上云获取,为什么一个企业的整体 IT 行为不可以?现在回看 2013 年,不难发现"云原生"对技术和场景的预判存在一定程度的局限。局限因"厂"而异:

如需要最大限度沉淀数据价值的企业,对于底层数据的要求往往是全局存储,定期归档。由于带宽的限制,最高效的方式并不是网络传输,而是用卡车拉硬盘;

如需要即时数据监控基础设施的企业,大数据基础设施可能遍布多个地区,甚至多个国家,那物理距离导致的传输延迟就不得不列入运维考虑;

再如对生产过程数据采集强调多维度、原始数据的企业,数据采集周期可以短至秒级,其数据不能经过任何的加工,时域内大容量数据需要灵活调取,以用于专家诊断、故障复现,对缓存容量和读写能力有要求。

不同维度的问题,都是早期云原生未曾前瞻顾及到的。归根结底,云原生的早期困境在于激进地想把企业的所有 IT 服务上云,而仅仅在 IT 运维中,大数据场景和应用的爆发证明了,出于物理因素的限制,"全盘上云"是一个蛇吞象的设想。

于是算力下沉、部分上云,就成了实践为大数据选择的流向。近年的"边缘计算"、"云边协同"即不再将中心化的云作为算力的唯一载体,而更为重视局域云乃至智能终端作为大数据基础设施的作用。数据和算力下沉、围绕基础设施展开,就是目前云边端一体化大趋势开启的标志,也是云原生在螺旋式地实现自我进化的一种进程。

IT 运维成数字化第一道关卡,云边端一体化成必经之途

IT 运维数字化之难,在于这是业界正式步入之前少有涉足的领域:以数据体系化、地优化流程,将人力从繁重的运维工作中有序地解放出来。这需要数据正式成为基础设施的"晴雨表",反过来告知运维人员当前设备的运行状况,而不是运维人员被动地发现状况、排除状况。正因为如此,IT 智慧化运维简直可以视为企业数字化的缩影。

然而,云边端一体化在实践中表现出日益丰富的内涵,需要消除多种扯"后腿"的顽疾,实现多个维度的一体化:

数据一体化,是应对数据掣肘、实现 IT 转型的基石。企业在进行数字化升级的时候,离散式的采集、不同范式的数据、局域网化的 IT 运维,是应对当下业务增长的权宜之计。这样的数字化需要投入巨量人力进行维护,是传统 IT 运维的强化版。这就导致了"越数字化,越难统合"的怪像。云边端一体化首先要求数据一体化,这就需要企业以超融合数据库作为整个 IT 运维体系的数据基座,避免多类型数据库终端各自为战、形成数据孤岛。

运维一体化,是 IT 智慧化运维的"起手式"。完成了这一步,企事业单位才能真正初步享受到数字化带来的降本增效红利。IT 运维一体化,能高效统合巡检、末检、终检、沟通等必要 IT 运维环节,让洞察终端运行环境的动作先"智能"起来。为此,基于一体化的数据基础设施,企事业单位需要成熟、全面的云边端运维一体化架构。

资源一体化,是智慧化终端向上与边、云完成协同的刚性要求。企事业单位在扩张过程中往往伴随设备资产的扩充,以及子网、分支区域的复杂化,将网内所有设备资产数据上云,对于企事业单位来说是必然的。相较于设备运维,数字资产的实时监控则是更宏观层面的要求,这同样也是 IT 智慧化运维需要解决的问题。

应用一体化,是让 IT 运维"苟日新,日日新"的保障。IT 运维进入智慧化时代,企事业单位在实践中发现:IT 运维体系具有自己的成长属性。构建跨云边端的分布式应用,统一开发、部署、调度、管理能力,企业才能始终保持运维质量不随业务增长而下降。对于企业来说,支持分布式部署的一体化 IT 运维平台,才能实现类似"云边管控、边缘运行"的方式实现应用的管控。

方式一体化,是 IT 运维最大限度发挥"人效"的必经之途。传统 IT 架构带来的最大困局之一,就是各职能部门形成各自的管理与协同方式。协同方式不同带来的低效运维,往往会由于责任落实不到位、执行滞后和专家介入不畅,而导致运维不及时造成重大后果。依托一体化平台构建的统一流程,不仅仅是将 IT 资产纳入管理,更能将人员效能达成高效适配、流程规范,从"找人"的环节中解放,节约管理成本。

IT 运维作为企业数字化第一脚迈入的领域,完成云边端一体化的"试炼",首先在 IT 运维上应用打造一个完全的云边端一体化平台,几乎成为企业的必经之途。

云边端一体化"无压力" ,监控易书写 IT 运维新篇章

对数据的应用方式已颠覆,相应的基础设施也需要革新。

美信时代在早期就预见到:数据,是物联网时代最基本的价值产出载体。而彼时市面上占据了大半壁江山的传统关系型数据库,在数据兼容性、性能方面都将很快落后于产业数字化升级的进程。

产业需要能满足容纳生产环境实时数据吞吐的数据库,并基于此构建围绕设施的数据生态。

基于这样的认识,美信时代自研了 BigRiver 四合一超融合数据库,为用户提供集成"消息队列"、"Key-Value 树状数据库"、"关系型表状数据库"、"内存数据库"和"高性能时序数据库"为一体的超融合数据库存储。

在兼容多种主流数据的同时,BigRiver 数据库还使用高压算法,采用自主研发的"页面管理机制"、"事务管理机制"、"多级缓存机制"以及"高性能 B + 树索引机制"等,保证了数据存储的完整性和一致性。在此基础上,又提供了高速率的写入和查询性能,显著提升了数据库的读写效率。以 BigRiver 数据库为数据基座,美信时代推出了面向云边端一体化运维的产品监控易。

借助 BigRiver 数据库的独特优势,监控易可将使用相同协议参数连接的设备进行统一管理,实现采集集群单元模式和凭证式管理,将设备批量接入纳管。当使用相同凭证的设备协议参数发生修改时,只需修改凭证,即可实现统一修改的效果,无需在系统内依次修改各个设备上的参数。

时下面临数字化转型的企业,IT 运维覆盖范围在加速扩张,采集集群单元模式和凭证式管理赋予企业 IT 生态更强大的拓展性,完美适配企业的一体化 IT 运维需求,打造全新的云边端一体化的 IT 架构。

基于对设备的一体化洞察,监控易可实现单机房和多机房统一管理,应对企业日益扩张的基础设施的运维需求。落实到机房、硬件层面,企业可通过运维平台实时了解机房设备、动力环境、安防情况、设备告警等信息,做到"对设备有数"甚至是"防患于未然",提高突发状况的容错率。

数字化对企业的赋能,其中一个特征就是业务场景的爆发式增长,刻板的既定流程必然不能满足企业的 IT 运维需求。监控易最新推出的火星版本,支持业务、运维、地域、智能等企业管理视角,创建多个场景的资源分组集中管理。支持围绕场景对设备分组管理,支持用户自定义场景,按需执行运维工作。如对运维团队按照职能分组,或对监控对象配置标签等。结合数据可视化、定向告警、3D 仿真展示等既有功能,企业可以最大限度活化运维组织架构,充分发挥人效。

资源更集中、运维更智慧、人效更突出,充分满足数字化进程中云边端一体化的多个要素,是监控易得以为 IT 运维领域带来革新的充分条件。

云边端一体化成为时下 IT 运维的必修课,背后是这样的逻辑:从这一步起,数据真正成为一种可以被挖掘、利用的基础资源,企业也开始重塑人力与 IT 资产关系的起点。对数据的挖掘利用指向生产方式的革新,重新匹配人与 IT 设备的关系则是管理方式的革新。

思路决定成败,这种革新,是从 IT 运维开始。

文章标签: 数据 企业 一体 一体化 数字 数据库 设备 管理 基础 设施 基础设施 监控 场景 方式 应用 业务 传统 智慧 资产 最大 报价宝 降噪耳机价格 耳机价格 红米手机价格 华为手机价格 小米手机价格 电视机价格 笔记本电脑价格 笔记本价格 汽车价格 笔记本价格 电视机价格 小米手机价格 华为手机价格 红米手机价格