减轻风险的战略不只是多云模型

　　欢迎各位阅读本篇文章，本篇文章讲述了减轻风险的战略不只是多云模型，云模型是处理定性概念与定量描述的不确定转换模型。课课家教育平台提醒各位：本篇文章纯干货~因此大家一定要认真阅读本篇文章哦!

　　采用多云战略实现更弹性的能力，并且避免供应商锁定的观念几乎和云本身的概念存在时间一样长，但是仍然很少看到有企业真的采纳这样的方案。将多云的使用作为减轻风险战略的一部分仍然是理论意义大于实战意义，因为在不同平台间移动以及管理工作负载所牵扯的挑战非常大。

　　向多云的推进已经随着时间演进了不少，但仍然没有消失不见。提出了多云战略——并不是因为对可靠性的担心，主要是为了避免供应商锁定，但是，实际上，他也承认，ThoughtSTEM几乎一直都在Amazon Elastic Compute Cloud上运行自己的游戏服务器，“但是，我们系统允许在需要的时候，无缝切换到其他云上，”

　　因为云已经成为了日益增长的主流技术，对云供应商可靠性的担忧已经不是多云观念的核心了，专家们说，但是供应商锁定仍然是个潜在的问题。基于一些实战考虑，最初的观念逐渐变形成一种实践方式，使用多云供应商来达成其他目标，比如更低的费用或者某种工作负载的更好性能。

　　“这里的确正在改变;如今多云已经较少是指弹性、和将鸡蛋放到不同的篮子里了，而更多是关于为工作负载匹配服务。”

　　企业在公有云上的舒适级别已经增长，她说。当他们确实思考降低风险战略时，这是更为传统的方案，配合灾难恢复和备份工具或者可能在多个可用区域上实现云工作负载。

　　“从云的角度，我没有看到任何我的客户选用‘纯粹的’多云战略，虽然我看到很多客户采用了不同工作负载运行在不同供应商那里的理念。”有时候，后者是由实际上的多云适配器驱动的，比如，用户在某种云上创建了新的工作负载，但是IT部门完全不知道发生了这样的事情。另外一些情况，他说，多云是收购的结果，被收购的公司的云实现使用了不同的供应商。

　　要在其他历史技术轨迹的上下文里思考多云，Featherston比较了现在的云和早年的关系型数据库。“SQL作为一种标准制定，意图避免关系型数据库领域的供应商锁定问题的发生，”他说。但是说来容易做来难。最终，每个供应商提供了自己特有的SQL特性和变种带来额外的优势，因此从某个供应商向其他供应商的切换变得更加困难，Featherston说。

　　降低风险不再是主要的驱动力

　　这也正是为什么认为使用多云作为降低风险的战略已经理论意义大于实际意义了。

　　更需要强调的是，“在平台间移动工作负载并不重要，”“你可以导入工作负载，但是这和在vSphere系统间运行vMotion不一样，并不是在Azure或者AWS间实时迁移;这是不可能的。”

　　这个观点理论意义大于实际意义的主要原因之一是因为某种云更适合某种工作负载。“尝试将这些工作负载跨多个云运行意味着你将，注定无法保证一致的性能，”

　　另一个大的障碍是网络，也就是说所有云供应商都在和其他供应商竞争，因此都不会有动力提供链接到其他竞品云的私有高速链接。也就是说，网络集成必须替代公有网络，这会增加延迟，导致不一致的性能问题。

　　“另外因为每个供应商都有一套自己的API、功能和特性，这让所有这一切变得更加复杂，一般都无法和另一个简单集成，”此外，所有这些事情上公开标准的缺失也让集成极度困难，迫使企业构建自己的工具。“这样的能力——作为经理的经理，编排器的编排器——是云方案里的新的增长点，”

　　具体来说，它成为了一种折中方案，“使用多云战略来降低风险的案例是经典用例，”理论上，它让业务得到更多的保护和弹性，不依赖于单个云的供应商平台。但是，这里有很多折中的地方。

　　成熟市场的成熟需求

　　在进入云供应商纪元的这十年间，平台、服务、功能和使用方式已经发展了很多。现在有很多经验关于如何创建满足生产环境的质量要求，弹性的技术。Posey说所有云供应商都是从仅仅提供VM和存储的方式进化而来;他们持续添加更多的服务，让他们的云更加安全，弹性并且容错。“进化的一部分是云供应商让自己的解决方案尽可能地更加面向企业，”她说。比如，AWS在几年前引入了Key管理服务用于策略和风险管理。

　　这意味着云供应商——特别是主流供应商——提供了对于客户而言巨大的优势。因此导致锁定有了新的含义。Netflix和Apple这样的公司已经使用云服务，比如AWS上的Lambda和Glacier创建了深度解决方案。“这意味着替换供应商需要完全重写解决方案，” 他是位于哥伦比亚的Forrester Research公司的分析师。

　　到目前为止Netflix认为和Amazon的关系很好。Apple说过正在向其AWS和Azure混合方案中添加Google云服务。“这让他们在全新的服务上有了一些谈判筹码”

　　相反，他会帮助你完成混合解决方案——在Microsoft、本地，甚至其他云上构建实例，但是即使这样对可移植性的让步仅仅在使用单个供应商时才工作——在这里，就是Microsoft——支撑私有和公有云两端。

　　有两种选择可能最终会开启通向多云的大门。第一种是容器技术的增长，将应用程序及其依赖打包到容器内可以保证或者至少简化多云间的可移植性。

　　另外，她说，“困难是应用程序的所有上下文仍然是专有的，容器技术当前的成熟度还比较低，每个云供应商的吸引力和专有度还不够。”

　　如果你期待多云的未来，Nelson建议保持关注第二种选择：标准。比如云应用的分布式管理任务和拓扑以及编排规范就正意图提供一种标准，来描述基于云的web服务的拓扑。“这样努力的目标是跨平台的广泛‘可读性’，可能会有一天能够真正地可移植。”

　　知识分享：云模型简介

　　云模型(Cloud model)

　　随着不确定性研究的深入，越来越多的科学家相信，不确定性是这个世界的魅力所在，只有不确定性本身才是确定的。

　　在众多的不确定性中，随机性和模糊性是最基本的。针对概率论和模糊数学在处理不确定性方面的不足，并研究了模糊性和随机性及两者之间的关联性。

　　提出云模型至今短短的十多年，其已成功的应用到数据挖掘、决策分析、智能控制等众多领域。

　　在随机数学和模糊数学的基础上,提出用"云模型"来统一刻画语言值中大量存在的随机性、模糊性以及两者之间的关联性,把云模型作为用语言值描述的某个定性概念与其数值表示之间的不确定性转换模型[7,8].以云模型表示自然语言中的基元——语言值,用云的数字特征——期望Ex,熵En和超熵He表示语言值的数学性质.“熵”这一概念最初是作为描述热力学的一个状态参量,以后又被引入统计物理学、信息论、复杂系统等,用以度量不确定的程度。

　　在云模型中,熵代表一个定性概念的可度量粒度,熵越大粒度越大,可以用于粒度计算;同时,熵还表示在论域空间可以被定性概念接受的取值范围,即模糊度,是定性概念亦此亦彼性的度量.云模型中的超熵是不确定性状态变化的度量,即熵的熵.云模型既反映代表定性概念值的样本出现的随机性,又反映了隶属程度的不确定性,揭示了模糊性和随机性之间的关联.

　　期望Ex是云在论域空间分布的期望,是最能够代表定性概念的点,或者说是这个概念量化的最典型样本;熵En代表定性概念的可度量粒度,熵越大,通常概念越宏观,也是定性概念不确定性的度量,由概念的随机性和模糊性共同决定.一方面, En是定性概念随机性的度量,反映了能够代表这个定性概念的云滴的离散程度;另一方面,又是定性概念亦此亦彼性的度量,反映了在论域空间可被概念接受的云滴的取值范围;超熵He是熵的不确定性度量,即熵的熵,由熵的随机性和模糊性共同决定。

　　小结：相信最后大家阅读完毕本篇文章，肯定学到了不少知识吧?其实大家私下还得多多自学，当然如果大家还想了解更多方面的详细内容的话呢，不妨关注课课家教育平台，在这里你肯定会有意想不到的收获的!