Arten von Workloads in einer hybriden Cloud-Umgebung - Dummies

Eine Arbeitslast in einer Hybrid-Cloud-Umgebung ist ein unabhängiger Dienst oder eine Sammlung von Code, die ausgeführt werden kann. Da eine Arbeitslast über Computerressourcen hinweg ausgeführt wird, ist eine andere Möglichkeit, diese zu untersuchen, die Menge an Arbeit, die von Computerressourcen in einem bestimmten Zeitraum geleistet werden muss.

Einige Branchenexperten beziehen die Anwendung, das Betriebssystem und die Middleware in die Definition einer Workload ein. Natürlich weisen unterschiedliche Workloads unterschiedliche Eigenschaften auf, und die beste Plattform für eine bestimmte Workload, auf der sie ausgeführt werden soll, hängt von der Art der spezifischen Workload ab.

Arten von Workloads in der Hybrid-Cloud

Da die Anforderungen an die Datenverarbeitung variieren, variieren auch die Workloads. In dieser Liste werden einige Arten von Workloads beschrieben, die in einer Hybrid-Cloud-Umgebung vorkommen können. In der folgenden Tabelle werden diese miteinander verglichen:

Batch-Workloads: Diese Workloads sind für den Betrieb im Hintergrund konzipiert. Typische Batch-Workloads neigen dazu, große Datenmengen zu verarbeiten. Diese Arbeitslasten können die Daten einschließen, die aus einer Reihe von Mobiltelefonrechnungen oder den Ergebnissen von Monaten von Online-Transaktionen erzeugt werden. Diese Workloads erfordern erhebliche Rechen- und Speicherressourcen. Stapelworkloads sind selten zeitabhängig und können geplant werden, wenn nur wenige Echtzeitaufgaben ausgeführt werden.

Da diese Daten gut dokumentiert und vorhersehbar sind, ist die Automatisierung dieser Art von Arbeitslast relativ einfach. Im Allgemeinen werden Batch-Workloads in regelmäßigen Abständen ausgeführt und können die Skaleneffekte von Public Cloud-Diensten nutzen, um diese Workloads zu verarbeiten. Auch hier wird wie in jeder Cloud-Umgebung die Entscheidung, wo Batch-Workloads ausgeführt werden sollen, durch Geschäftsregeln, Governance und Sicherheitsbestimmungen bestimmt.
Transaktionsworkloads: Dies sind die Automatisierung von Geschäftsprozessen wie Fakturierung und Auftragsabwicklung. Traditionell waren Transaktions-Workloads auf ein einziges System beschränkt. Mit der zunehmenden Verwendung von elektronischem Handel, der über Partner und Lieferanten hinweg erreicht wird, müssen Transaktions-Workloads jedoch über die verschiedenen Computerumgebungen verschiedener Partner hinweg verwaltet werden. Abhängig von der Kosten-Nutzen-Analyse ist es wahrscheinlich, dass komplexe Transaktions-Workloads am besten für eine private Cloud geeignet sind.
Analytische Workloads: Unternehmen möchten möglicherweise Analysedienste in einer Cloud-Umgebung verwenden, um die riesigen Datenmengen in einer komplexen Hybridumgebung zu erfassen. Diese Anforderung ist nicht nur eine technische; Für Geschäftspartner ist es notwendig, den Erfolg ihrer Partnerschaften zu messen und Anpassungen vorzunehmen, um den Erfolg zu steigern.Bei einer -Analyse-Workload wird ein Schwerpunkt auf die Fähigkeit gelegt, die in diesen Workloads eingebetteten Daten über öffentliche Websites, private Clouds und das Data Warehouse hinweg ganzheitlich zu analysieren. Diese Arten von analytischen Workloads erfordern in der Regel deutlich mehr Echtzeit-Computing-Funktionen.
Hochleistungs-Workloads: Diese Workloads haben einen spezialisierten Prozess mit wissenschaftlichen oder technischen Anforderungen. Diese Workloads sind komplex und erfordern in der Regel erhebliche Rechenkapazitäten. Daher eignen sie sich gut für spezialisierte öffentliche Clouds, die auf Leistung optimiert sind.
Datenbank-Workloads: Dies ist die häufigste Art von Workload und betrifft fast jede Umgebung im Rechenzentrum und in der Cloud. Eine Datenbank-Workload muss optimiert und verwaltet werden, um den Service zu unterstützen, der diese Daten verwendet. In einigen Situationen sind Datenworkloads klein und in sich abgeschlossen; In anderen Situationen sind die Daten-Workloads jedoch enorm und die Leistung erfordert einen ausgeklügelten Ansatz. Beispielsweise können Hochleistungs-Datenbank-Workloads auf Bare-Metal-Basis (direkt auf dem Betriebssystem der Hardware) implementiert werden, um die Geschäftsanforderung zu unterstützen.

Nicht für die Cloud geeignete Workloads

Genauso wie einige Workloads für die Cloud geeignet sind, sind einige nicht. Einige Beispiele für Workloads, die Sie nicht in die Cloud verschieben möchten, sind:

Workloads, für die ein leistungsstarker Netzwerkspeicher erforderlich ist. Da auf diese Workloads möglicherweise sehr schnell zugegriffen werden muss, sind sie möglicherweise nicht für die Cloud geeignet, wo Sie für die Netzwerkgeschwindigkeit vom Internet abhängig sind.
Legacyanwendungs-Workloads, die eine sehr geringe Latenz erfordern. Häufig wurden Legacy-Workloads nicht für die Ausführung in einer verteilten Computerumgebung entwickelt. Sie können einem bestimmten Zweck dienen, und es ist möglicherweise nicht sinnvoll, sie in die Cloud zu verschieben.
Datenbank-Clustering, das einen sehr hohen Durchsatz (Geschwindigkeit) im Netzwerk erfordert. Eine große Gruppe von Datenbanken, für die eine Reaktionszeit im Millisekundenbereich erforderlich ist, eignet sich möglicherweise auch nicht für die Cloud.

Abstraktion und Workloads

Workloads können in Cloud-Umgebungen abstrahiert werden. Dies bedeutet, dass die Workload von der Hardware isoliert ist, auf der sie ausgeführt wird. In den meisten Fällen hat der durchschnittliche Kunde keine Ahnung, wo die Auslastung läuft. Obwohl eine einzelne Workload nicht von externen Elementen abhängt, wird sie normalerweise mit anderen Workloads kombiniert, um einen Geschäftsprozess oder eine Aufgabe auszuführen.

Der Begriff der Abstraktion ist entscheidend für die Ausführung von Workloads in der Cloud. In einer Hybrid-Cloud ist er sogar noch wichtiger. Die einzige Möglichkeit, eine verteilte Datenverarbeitungsumgebung zu erstellen, die aus mehreren Services an mehreren Standorten besteht, besteht darin, gut strukturierte, abstrahierte Workloads zu haben.