文:SolarWinds首席极客Kevin Kline
近日,赛迪顾问发布了2021年《中国云计算市场研究年度报告》。从整体看,2020年中国云计算市场保持较快增长,市场规模达到 1922.5 亿元,同比增长 25.6%。未来三年中国云计算仍将保持高速增长,预计到2023年市场规模将达到3670.5亿元。当前,云计算领域的从业者也正在致力于增强云数据库产品的功能。
企业将数据库迁移到云端需要投入大量时间规划、整理数据并进行测试,因为一旦过程出现错误,可能会带来诸多弊端。不过,企业可以通过采取以下5个基本的步骤,轻松实现云数据库迁移。这5个步骤涵盖了迁移过程中企业可能会遇到的主要障碍,能更好地指导企业实现云迁移。如果能够正确执行的话,企业将由此获得云端带来的诸多优势,比如降低成本、用户访问更轻松以及性能提升等等。
选择合适的云
这一步听起来虽然不易,但是能让企业对自身IT环境有一个清晰、完整的认知。企业要实施云迁移,第一步要根据业务选择合适的云,并且提前做深入调研。首先,企业要了解迁移过程中可能会出现停工。完成迁移需要时间,企业可以一次性或分阶段完成。不过,企业可以在本地系统运行期间将数据复制到云端,最大程度地避免停工。此外,另一个需要考虑的因素是:本地系统和云系统功能不尽相同,本地系统的某项功能未必能在云系统实现。因此,企业在把本地数据传输到云环境时,可能需要基于云编写新的代码。充分了解新旧两套系统可以避免做过多类似的修改,对云服务提供商进行调研也有助于企业应对迁移时功能不对等的情况。
清理数据
企业肯定不希望把没用的数据迁到新的云系统。这就像我们搬家时带着好多箱多年没用又没分类的物品一样。所以,企业在做云迁移之前,务必要清理数据,删除那些占用空间又没有业务价值的内容。删除不需要的数据可以加快云迁移的进度,帮助企业甄选出高质量的数据,轻装上阵。此外,把云系统梳理得更加整洁有序,也能减少企业的存储空间和成本,让系统运行得更快。
记录细节
在迁移之前,企业除了清理数据,还要记录重要的系统文档,这样信息才不会在迁移时丢失。虽然记录数据繁琐又无趣,但是却对企业很重要。企业要从查看数据字典开始,来确定数据沿袭,记录数据从开始到ETL流程,再到企业生产数据库或数据仓库等经历的各个步骤。数据沿袭能帮助企业了解过去是否曾对数据进行过审核,某些数据是否已被清理,改变甚至移动,掌握数据历史。这样,企业就能决定是否需要在转移或复制数据前,先对其进行修改。需要注意的一点是,并非所有本地内容都适合迁移到云中,但是企业至少可以通过记录数据和数据库,了解把这些内容放到哪里。
对比新旧系统
在做云迁移时,理想情形当然是整个过程顺畅平滑,但现实中很难做到如此。为了避免数据传输不可避免地带来复杂情况,数据库管理员需要对新旧系统进行比对,以确保其相互兼容。这一步骤应该在选择云的初始调研阶段完成。在迁移时,企业重点要考虑的是ETL流程。ETL流程分为抽取(extract)、转换(transform)和加载(load)三个步骤,可以让企业在最终用户处于本地状态时将数据和应用程序复制到云端,并且在迁移过程中与云保持并行。企业可能需要重新配置数据和应用程序来适配云,比如分别复制堆栈的每一层,甚至是编写新的适用于云的代码。毕竟代码如果在云端表现不佳,所耗费的成本更高。
全面测试
设置完云端,接下来就是全面测试,排除那些可能会干扰迁移的问题。首先,企业要把本地系统与云系统进行对比,检查是否还有疏漏,了解哪些地方需要改进。企业需要建立性能基准报告,监控新系统,对迁移当下和未来可能发生的问题全面测试,确保各个流程在迁移完成后几年都可以正常工作。此外还有一点要注意,在使用新的云系统之前,要先确保可靠性,还要经过商业用户测试。虽然这五个步骤可以帮助企业完成云迁移,但是要云不一定适合所有企业,如果企业的本地系统和云系统功能不同,在切换时可能会遇到问题。
综上所述,要实现高效、可靠的云迁移,企业需要完成5个基本步骤:为业务选择合适的云、整理当前数据库、记录重要的系统细节、复制当前系统以及测试所有内容。俗话说知己知彼百战百胜,企业通过这五个步骤,可以充分了解自身状况,更快更好地实现云迁移。
好文章,需要你的鼓励
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。