دلیل اینکه ما از خدمات ابری استفاده می کنیم عمدتا صرفه جویی در هزینه ها است. آیا این تئوری که خدمات ابری هزینه ها را کاهش می دهند همیشه درست است؟
StormForge، یک شرکت نوپای متخصص در زمینه کاهش اتلاف هزینه های ابری با یادگیری ماشین (ML) و هوش مصنوعی (AI) در بررسی اخیر خود دریافته است که سازمانها سالانه بیش از 17 میلیارد دلار از طریق منابع ابر بلااستفاده و بیکار هدر می دهند. مبلغی که گزاف به نظر می رسد.
در حال حاضر اینگونه نیست که شرکتها تصور غیرواقعی نسبت به هزینه های خود داشته باشند. نود و چهار درصد سازمانها می گویند که تقریباً می دانند خدمات ابری مورد استفاده شان هر ماه چقدر هزینه در بر دارد. این خبر خوبی است. خبر بد اما این است که آنها همچنین تخمین می زنند که تقریبا نیمی از هزینه های خدمات ابری خود را صرف منابع بی استفاده یا بیکار می کنند.
تعجب آور نیست که پاسخ دهندگان به نظرسنجی اظهار کرده اند که کاهش اتلاف هزینه های ابری برای سازمانشان یک اولویت است، 33٪ گفتند که این یک اولویت بسیار بالا است و 43٪ دیگر گفتند، گرچه بالاترین اولویت نیست، اما بسیار مهم است.
دلایل مهم اتلاف و حیف و میل هزینه های خدمات ابری، پیچیدگی ابر است. این پیچیدگی تخمین منابعی را که واقعاً مورد نیاز است، دشوار می کند. همچنین پیش بینی فراتر از نیاز امنیتی و محاسباتی برای اطمینان از عملکرد برنامه ها نیز یک دلیل اتلاف است. به طور خاص، ارکستراتور کانتینر Kubernetes کمک قابل توجهی در مسئله پیچیدگی ابر دارد و 62٪ موافق بوده اند که این یک عامل مهم است.
راه اندازی یک اَبَر رایانه Cloud-native جدید توسط دل و انویدیا
در بیشتر سازمان ها یعنی 55٪، تیم های IT Ops یا Cloud Ops تصمیم گیری در مورد نحوه استقرار Kubernetes را بر عهده دارند. در حالی که تیم های مهندسی مسئولیت این امر را در 29٪ دگیر شرکت ها بر عهده دارند. صرف نظر از اینکه چه کسی این مسوولیت را در سازمان به عهده گرفته، به نظر می رسد هیچ کس به خصوص در مورد استقرار یا مدیریت Kubernetes مهارت لازم را ندارد.
کمک به استقرار و استفاده صحیح کوبرنتیس
این مشکلی قابل درک است. تسلط بر Kubernetes به هیچ وجه، شکل و فرم آسانی ندارد. هنگامی که برنامه ای را در Kubernetes مستقر می کنید، باید تصمیمات زیادی در مورد تخصیص منابع از جمله درخواست برای حافظه و محدودیت ها، درخواست ها و محدودیت های CPU و یکسان سازی ها بگیرید.
به این پیچیدگی ها تنظیمات پارامترهای ماشین مجازی جاوا (JVM) را اضافه کنید و آن را در تعداد کانتینرها ضرب کنید. خواهید دید که به سرعت با یک مشکل بهینه سازی چند بعدی بسیار پیچیده روبرو خواهید شد. عدم مدیریت صحیح کوبرنتیس، هم بر هزینه اجرای برنامه و هم بر عملکرد و قابلیت اطمینان آن تأثیر می گذارد.
StormForge ابزارهای تجاری ML و AI خود را برای راه اندازی و بهینه سازی برنامه های مبتنی بر Kubernetes که ابر بومی یا Cloud-Native هستند، توصیه می کند. ویزاردهای Kubernetes بسیار کمی در دسترس هستند. اگر در راه اندازی Kubernetes خود مشکلی دارید، استفاده از خدمات شرکتهایی مانند استورمفورگ توصیه می شود.
[/av_textblock] [av_one_full first min_height=” vertical_alignment=” space=” custom_margin=” margin=’0px’ row_boxshadow=” row_boxshadow_color=” row_boxshadow_width=’10’ link=” linktarget=” link_hover=” padding=’0px’ highlight=” highlight_size=” border=” border_color=” radius=’0px’ column_boxshadow=” column_boxshadow_color=” column_boxshadow_width=’10’ background=’bg_color’ background_color=” background_gradient_color1=” background_gradient_color2=” background_gradient_direction=’vertical’ src=” background_position=’top left’ background_repeat=’no-repeat’ animation=” mobile_breaking=” mobile_display=” av_uid=’av-kw5bhw’] [av_hr class=’custom’ height=’50’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color=” custom_margin_top=’30px’ custom_margin_bottom=’30px’ icon_select=’yes’ custom_icon_color=’#7bb0e7′ icon=’ue857′ font=’entypo-fontello’ av_uid=’av-kk8jxbw4′ custom_class=” admin_preview_bg=”] [av_icon_box position=’top’ icon_style=” boxed=” icon=’ue81f’ font=’entypo-fontello’ title=” link=” linktarget=” linkelement=” font_color=” custom_title=” custom_content=” color=” custom_bg=” custom_font=” custom_border=” av-medium-font-size-title=” av-small-font-size-title=” av-mini-font-size-title=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-kk8jy12r’ custom_class=” admin_preview_bg=”]
