向雲上遷移資料時如何避免停機和中斷

摘要：越來越多的組織需要在資料中心/雲之間移動資料，但是在遷移過程中的一個關鍵風險點是停機。

在2017年的業務持續性意識周這裡，我希望它能提供一個新的機會，來回顧這一領域雲的一些局限性。

根據451項研究的最新估計，大約60%的IT工作負載将在明年以某種形式的公共或私有雲運作。It項目在關鍵領域的增長尤其強勁，包括資料分析和核心業務應用。IDC、Gartner和Forrester的研究結果大緻相同——雲正在迅速成為中心，而不是一般IT供應的外圍裝置。

難怪It上司們對資料遷移的風險以及相關的停機時間表示擔憂。現在，典型的資料量1000到100萬倍于10到20年前的普通企業資料庫的大小。這意味着與遷移相關的潛在停機時間将會增加很多倍。這已經不再是一個15分鐘的時間了——這可能是幾個小時的停機時間，而資料問題需要被解決。

企業知道他們需要更多地利用雲，特别是做更有戰略性和聰明的事情:高速、高容量的資料處理，以支援實時決策和複雜的自動化。今天産生的資料量也使得建立二級資料中心成本高得令人望而卻步:進一步推動公司進入雲計算。

但從這裡到那裡的痛苦仍然讓人望而卻步。他們的資料在傳輸過程中可能會發生什麼，如果他們不能再獲得通路，如果他們同時被其他地方使用，他們又怎麼能繼續使用實時資料呢?

延遲也是一個問題。資料中心的建立非常接近于防止與網絡傳輸相關的性能下降。但在雲計算中，實體伺服器場之間的距離并不在公司的控制範圍内，是以性能問題——可能會降低資料可用性和協調——是一個重要的考慮因素。

在災難恢複場景中，對停機時間的擔憂也是有效的。當遠端資料中心被調用以使實時系統恢複運作并快速運作時，CIO們就非常适合于擔心停機時間或資料丢失——例如，近距離和遠端系統之間的同步不足。

未來就是現在

無論是日常的背景系統，還是那些與人工智能或物聯網相關的雄心勃勃的新項目，組織都需要能夠依賴于他們一直在處理的資料的可用性和完整性。

例如，對于無人駕駛汽車來說，所有各方(乘客、汽車制造商、保險公司和第三方服務提供商)都需要絕對保證，他們所連接配接的車輛儀器、傳感器和基于雲的平台将能夠實時發送、接收、解釋和處理資料。據估計，一個擁有傳感器、相機和雷射測量(雷射雷達測量)的無人駕駛汽車每秒可以産生100Gb的資料。

使用不斷變化的資料集(不需要停機，也不中斷)提供一個可行的服務的唯一方法是通過我們稱為活動資料複制的東西。這允許實時資料同時存在于多個地方，不存在不同步的風險，也不需要在每個端點更新時中斷。這種能力将使汽車制造商和服務夥伴能夠分析和響應實時資料，了解車輛的運作情況，實時識别異常情況，并先發制人地确定需要采取哪些補救措施。

公司不需要向明星們尋求這樣的資料完整性挑戰。許多組織正在轉向基于hadoop的分析(一種以速度進行大規模資料處理的特殊方式)，将大資料轉化為有意義的、可操作的日常活動。例如，許多企業使用Hadoop來分析和響應Twitter活動。但是，這通常意味着将資料放到雲中，在那裡，所需的處理能力很容易獲得。

除非他們正在處理曆史資料，否則公司将繼續需要通路其核心業務系統中的資料——這些資料将繼續更新。在這種情況下，使用雲進行處理并不是簡單地将一批完整的資料發送到目的地，而是在魔法發生後将其傳回到目的地，并将其傳回。

緊迫的暫停不是一個選擇

當分析發生在現場，生産資料時，公司無法承受資料來源的位置和資料處理的點不同步。他們也不能等待數天——為了資料的移動，在任何新事物發生之前進行分析和回報。這不僅僅是停機時間:它是癱瘓。這還沒有考慮到在轉換過程中可能發生的任何腐敗問題，也沒有考慮到Hadoop分析事件後資料被協調的結果。

同樣，避免停機和與資料移動相關的中斷的唯一方法是找到一種方法，在不同位置之間持續更新和同步資料。類似的谷歌通過精心制作的衛星裝置實作了這一點。但你也可以像我們一樣使用聰明的算法。 

原文釋出時間為：2017-10-31

本文作者：xiaoli110

本文來自雲栖社群合作夥伴“51CTO”，了解相關資訊可以關注。