Gartner:混合云从应用场景出发构建统一平台

随着企业对云计算认识的加深,混合云成为众多企业的选择。但混合云的应用面临着诸多挑战,如建立统一平台实现私有云与公有云的无缝迁移等。文章探讨了混合云的应用场景和技术难题,并提出了构建统一平台的解决方案。

云计算的发展已经成为一个不可逆转的趋势,混合云是很多企业锚定的下一站,但从全球看来混合云还是一个很新的概念,所以混合云仍有一些未解的问题。目前企业是否应用混合云还要从自身应用场景出发,并且私有云和公有云的使用不能相互隔绝,需要建立统一的平台,这也是企业和云服务商未来需要共同攻克的难关。

混合云仍有未解难题

云计算的优势已经被越来越多的企业所看到,在模式上也有私有云、公有云和混合云可供选择,但企业是否上云归根结底还要根据具体需求具体分析。私有云多为大中型企业使用,例如,金融、政府等行业。公有云则更加受到中小企业以及创业企业的亲睐,主要集中在移动应用、游戏类企业。

在Gartner看来私有云在企业中的使用相对规范,使用基本路径都是从虚拟化1.0到2.0再到云。目前很多企业还处在虚拟化1.0的阶段,中国虚拟化的渗透率也仅有30%,所以整体私有云市场离成熟还有一段距离。

国内公有云服务商多以互联网公司转型为主,使用者也多以互联网企业居多,所以两者的生态圈也很好的相辅相成。随着外国公有云服务大厂在进近年的逐渐落地中国,也吸引了部分传统企业的加入。

混合云则是集公有云和私有云的大成,越来越多的传统企业开始看到混合云的优势,但混合云在不同层面仍有很多问题有待解决。

“应用场景是企业使用混合云的关键点。”Gartner研究总监张毅指出,中国企业的普遍现象是自建,这和外国企业在意识上有很大的差异。外国企业在公有云的使用上多为灾备考虑,中国企业更加看重公有云的弹性可扩展能力,所以在不同的意识形态下,混合云的用途也各不相同。

Gartner:混合云从应用场景出发构建统一平台

Gartner研究总监张毅

在企业有了应用场景这个大前提后,又将迎来技术上的难题。目前公有云服务商都各成一派,很有武侠小说中门派之别意味,反映在现实中的问题就是,企业在反向迁移时会存在很多问题。所以企业做混合云需要建立统一的平台,更好的将私有云和公有云结合,实现无缝的双向迁移。

构建统一平台的混合云

什么才是一个真正的混合云?在面对部署混合云的种种挑战下,企业CIO可能并没有系统的解决方案,在这种情况下企业部署和规划混合云时应该注意些什么?

“混合云最大的优势在于灵活弹性可扩展,企业什么时候需要这种弹性,这需要一个发现的过程。”张毅说道。目前很多企业都将不同类型的需求放在不同的环境里,也就是企业既有私有云又有共有云,两者可以满足企业的不同需求,但却没有任何交互。

这也引出了上文提到的统一平台,企业首先需要一个统一的平台混合云才能发挥最大的功效,尤其是在目前公有服务商没有统一的标准的情况下,混合云应该如何去做,是企业需要下苦心钻研的重点。

了解了问题的症结,下一步就是如何破解。每一个企业的云都不尽相同,所以在构建混合云上也是千差万别。在建立统一平台上,厂商也看到了企业的不同困惑,未来越来越多云计算厂商会推出统一平台,目前可以看到基于OpenStack的一些尝试。

云计算其实具有一定的普适性,但混合云目前看来可能更加具有偏向性,某些行业的业务需求现阶段已经超出了私有云和公有云的边界,这时混合云的架构就成为它们新的应用方向,例如金融、通信行业。

企业使用混合云是基于业务需求的自然选择,但混合云并不是所有企业现阶段的必然选择,企业需要把着眼点放在更好满足目前的需求上。所以未来越来越多的企业在发现新业务所带来的需求并不是单一云所能解决时,私有云和公有云两者的结合也将水到渠成,最终实现真正的混合云。


 

原文发布时间为:2015-7-14

本文作者:王聪彬

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网


基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值