如何利用AI促进业务增长？

这并不意味着云平台能够自动优化资源分配。对于大多数类型的云计算服务，由用户来确定在任何时刻的云计算工作负载将需要多少资源。AWS Aurora是解决这个问题的一种尝试，它会根据工作负载需求自动分配资源。

云计算容量管理对于有效的IT策略至关重要。它为开发人员、IT团队和DevOps工程师提供了所需的见解，以确保其工作负载具有所需的资源。同时，它减少了以浪费预算和增加不必要的管理开销的方式来减少过度配置工作负载的风险。

为什么云计算需要容量管理

考虑采用托管多个Web应用程序的云计算服务器。适当的容量管理可以确保服务器在虚拟服务器实例上运行，该实例具有足够的CPU、内存和存储资源来支持应用程序，但不会导致大量资源闲置。

容量管理的另一个方面是确定在共享托管应用程序责任的集群中要采用多少服务器。在这种情况下，IT团队必须确保包括足够多的服务器来处理应用程序上的负载，并保持足够的备份系统，以确保应用程序在某些服务器崩溃时仍然可用。

这种平衡行为是容量管理的关键。组织希望避免无法充分执行和分配工作负载的情况，以及避免分配不需要的资源。

• Azure为用户提供了云计算成本管理工具。但是，有效的容量管理不仅仅是优化性能和成本的一种方式。它有助于：
• 深入了解长期IT规划。例如，容量管理可以帮助确定将哪些工作负载转移到云端。具有快速变化能力的工作负载是云平台的理想选择，可以在云中轻松地按比例扩大和缩小资源分配。
• 确定哪些基础设施和应用程序体系结构符合组织的需求。例如，如果组织的虚拟服务器的容量需求经常波动，那么可能会发现无服务器功能将是承载其工作负载的更好方法。与虚拟服务器相比，无服务器功能使组织能够以更具成本效益、更易于管理的方式在短期内分配大量资源。
• 安排合适的人员和工具。这是组织了解需要分配给工作负载多少资源的第一步。重要的是要确定组织是否具有分配这些资源所必需的资源。组织将需要工作人员来执行必要的配置，这些工作人员应具有使用组织用来管理资源分配的工具的必要技能。
• 避免对用户造成干扰。当应用程序的工作负载为特定的问题做好准备时，以及当组织的工作负载能力得到很好的管理时，就可以将应用程序或服务器发生故障的风险降到最低。

尽管它已成为IT工作流程的一部分，但自从云计算出现以来，容量管理就变得尤为重要。这是因为可扩展性是组织决定迁移到云平台决策中的关键因素。为了充分利用可扩展性，IT团队必须有效且连续地管理资源利用率。如果不能，他们将错过云计算架构的主要优势之一。这样的组织可能会坚持其采用内部部署架构。
 

尽管如此，要想让AI/ML模型超越目前的标准数据中心基础设施管理(DCIM)需要有更多突破，和更多的时间。这与自动驾驶汽车的发展极为类似，早期阶段可能非常具有吸引力，但是与最终承诺的颠覆性经济/商业案例相比仍然相去甚远。

AIOps平台的成熟度、IT技能和运维成熟度均为重大挑战。更高级别的部署面临的挑战还包括数据质量，以及IT基础设施和运维团队缺乏数据科学技能。此外，需要雇用或培训合适的人来管理系统，以及需要数据标准和相关体系结构都是部署AI时所面临的挑战。

但是自始至终最大的挑战还是在于人。各种基础设施的运维人员都在做放权给AI的准备。但是如果人们并不信任做出决定的决策者，那么在如此大规模的过渡期间人员如何培训，如何安抚人员的情绪?在过渡期间，人们普遍会想一个问题，那就是如果自己照做了，自己会失业吗?

对许多企业来说，不仅聘用到资深的数据科学家是一个挑战，就连培训现有员工也困难重重。因为企业员工抵制技术的传统由来已久。以软件定义网络(SDN)为例，SDN已经推出十年了，但是仍有3/4以上的IT运维在使用命令行界面。

（编辑：淮安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!