به "وبلاگ فالنیک ( ایران اچ پی)" خوش آمدید    |   وبسایت فالنیک (ایران اچ پی)
امروز سه شنبه ۱۲ مهر ۱۴۰۱ - تماس با فالنیک : 8363-021

آموزش رایگان Cloud+: هنگام مهاجرت به ابر به چه نکاتی دقت کنیم؟

هنگام جابجایی به ابر به چه نکاتی دقت کنیم

یکی از نکات مهم در cloud برآوردسنجی و ارزیابی دقیق تغییراتی است که پس از حرکت به سمت ابر با آن روبرو می‌شوید. تقریبا همه شرکت‌ها، قبل از انتقال فعالیت‌های تجاری به ابر این مسئله را به دقت ارزیابی می‌کنند. شرکت‌هایی که نیروهای متخصص برای ارزیابی این مسئله ندارند از مهارت‌های شرکت‌های متخصص در این زمینه دریافت کمک می‌کنند. در پروژه‌های بزرگ‌تر، نیز یک مدیر پروژه مسئول پیگیری و مدیریت این فرآیند می‌شود. در این مقاله به نکاتی در زمینه مهاجرت به فضای ابری می‌پردازیم. با فالنیک همراه باشید.

مشاوره و طراحی شبکه در فالنیک (ایران اچ پی)
مشاوره و طراحی شبکه در فالنیک (ایران اچ پی) فالنیک با تکیه بر دانش، تخصص و تجربه متخصصین خود، نیازهای مشتریان خصوصی و دولتی خود را بررسی و تحلیل می‌کند. با شماره ۰۲۱۵۴۵۹۱۹۲۴ تماس بگیرید تا از خدمات فالنیک در زمینه مشاوره، طراحی، پیاده‌سازی، نظارت و پشتیبانی شبکه‌های کامپیوتری استفاده کنید.
دریافت مشاوره طراحی شبکه

اعتبارسنجی و آماده‌ شدن برای حرکت به سمت ابر

برای مهاجرت درست به ابر، مهم است که همه ذینفعان در جریان انجام این کار قرار داشته باشند. گروه‌های سنتی فناوری اطلاعات مانند توسعه، عملیات، شبکه و امنیت بخش‌های جدایی‌ناپذیر تیم‌های مهاجرت خواهند بود. گروه‌های غیر فناوری اطلاعات، مانند امور مالی و حقوقی، نیز باید در جریان باشند، زیرا رایانش ابری می‌تواند مدل‌های مالی و پرداخت سازمان را دستخوش تغییرات قابل توجهی کند. در مدل مرکز داده سنتی، بخشی از بودجه سازمان صرف هزینه‌های اولیه خرید زیرساخت‌های فیزیکی مانند سرورها و تجهیزات شبکه می‌شود. حسابداران به این مخارج هزینه سرمایه‌ (Capex) می‌گویند. هنگام انتقال به ابر، این هزینه‌ سرمایه به میزان قابل توجهی کاهش پیدا می‌کند، زیرا به جای این‌که میلیون‌ها تومان خرج آماده‌سازی زیرساخت‌های فناوری اطلاعات کنید، بر اساس استفاده ماهانه به ارائه‌دهنده ابر هزینه را پرداخت می‌کنید. این هزینه تا زمانی که از خدمات استفاده می‌کنید ادامه پیدا می‌کند، اما مبلغی که باید پرداخت کنید به مراتب کمتر از هزینه‌ای است که برای خرید تجهیزات زیرساختی اختصاص می‌‌دهید. این مدل پرداخت هزینه عملیاتی (opex) نام دارد. در اصل، به جای خرید یا اجاره تجهیزات موردنیاز، هزینه اجاره تجهیزاتی که ارائه‌دهنده ابر مدیریت آن‌ها را بر عهده دارد، پرداخت می‌کنید.

پس از شناسایی بخش‌هایی که باید به ابر انتقال پیدا کنند، باید مشخص شود از چه مدل تحویل ابری استفاده شود. اگر در حال میزبانی برنامه‌های کاربردی هستید، آیا با استفاده از مدل IaaS قادر خواهید بود به میزبانی همان برنامه‌ها در فضای ابری ادامه دهید؟ یا با استفاده از یک مدل PaaS بخشی از مسئولیت را به عهده ارائه‌دهنده ابر واگذار می‌کنید؟ به طور مثال، ممکن است یک برنامه کاربردی در پایتون نوشته‌اید. در این حالت باید به بررسی این موضوع بپردازید که اجرای این برنامه در یک ماشین مجازی در فضای ابری با استفاده از مدل IaaS بهتر است، یا بهتر است از مدل PaaS استفاده کنید؟

پیشنهاد مطالعه

همچنین، ممکن است به این جمع‌بندی کلی برسید که اکنون زمان خوبی است که برخی از برنامه‌های فعلی را کنار بگذارید و از یک مدل SaaS استفاده کنید که در آن ارائه‌دهنده ابر زیرساخت فناوری اطلاعات را مدیریت می‌کند. هرچه تحقیق جامعی در این زمینه انجام دهید، می‌توانید خدمات ارائه‌شده توسط شرکت‌های ابری را به دقت ارزیابی کنید.

به طور معمول، بیشتر شرکت‌ها بر مبنای این الگو کار می‌کنند که ابتدا مشخص می‌کنند چه برنامه‌های کاربردی در هنگام انتقال به ابر ریسک کمتری دارند. به طور مثال، می‌توانید یک یا چند برنامه را انتخاب کنید و در قالب یک پروژه اعتبارسنجی یا اثبات مفهومی به فضای ابری انتقال دهید تا ببنید انتقال به ابر چه تاثیری بر نحوه استفاده از این برنامه‌ها توسط کارمندان دارد.

به عنوان بخشی از فرآیند آماده‌سازی، گروه مالی باید در جریان این انتقال قرار بگیرد. هزینه‌های فناوری اطلاعات و بودجه‌بندی اغلب مخارج سنگینی به سازمان‌ها وارد می‌کنند. به طور کلی، مدل‌های پرداخت رایانش ابری، سعی می‌کند به شرکت‌ها کمک کند دغدغه‌ای در ارتباط با هزینه‌ اولیه خرید تجهیزات و نرم‌افزارها نداشته باشند و بدون دغدغه از زیرساخت‌های سخت‌افزاری و نرم‌افزارهای گران‌قیمت استفاده کنند. به همین دلیل است که برای استفاده از مدل رایانش ابری به هزینه‌های سرمایه اولیه کمی نیاز دارید و هزینه‌ها تنها بر مبنای استفاده عملیاتی تعیین می‌شوند.

انتخاب عناصر و اشیاء در ابر

قبل از برنامه‌ریزی برای انتقال زیرساخت‌ها به ابر، مهم است که مشخص کنید قصد استفاده از کدامیک از مدل‌های IaaS، PaaS، SaaS یا هر ترکیبی از هر سه مورد را دارید. مدلی که استفاده می‌کنید، همان‌طور که می‌دانید، IaaS قابلیت‌های زیادی در اختیارتان قرار می‌دهد که باعث می‌شود فرآیند مهاجرت انعطاف‌پذیرتر و پیچیده‌تر شود. در سوی دیگر، مدل SaaS مهاجرت را سریع‌تر و آسان‌تر می‌کند، اما به قیمت از دست دادن کنترل بر زیرساخت خواهد بود.

پس از تصمیم‌گیری در مورد مدل، باید مشخص کنید چه خدمات و قابلیت‌هایی در فضای ابری موجود است که متناسب با نیازهای کاری است. هرچه ارائه‌دهندگان خدمات، پیشنهادات و قابلیت‌های متنوعی ارائه می‌کنند، به همان نسبت انتخاب گزینه درست سخت می‌شود. برخی از شرکت‌های بزرگ فعال در حوزه ابر عمومی بیش از هزاران شی (Object) و سرویس برای انتخاب دارند که دائما بر تعداد آن‌ها افزوده می‌شود.

برای این‌که شناخت اولیه در این زمینه داشته باشید، اجازه دهید کار را با مدل IaaS شروع کنیم. وقتی صحبت از سرورهای مجازی به میان می‌آید، انواع سیستم‌عامل‌های از پیش ساخته شده برای انتخاب وجود دارند. در بخش سخت‌افزار مجازی، می‌توانید قدرت CPU و GPU، حافظه، فضای ذخیره سازی و پهنای باند شبکه در ارتباط با عملیات ورودی و خروجی را انتخاب کنید. در سمت شبکه، شما دارای ابزارهایی برای متعادل‌سازی بار، خدمات DNS و DHCP، مسیریابی، فایروال‌ها، ترجمه آدرس شبکه (NAT) و غیره هستید. برای ذخیره سازی، اکثر شرکت‌های ابری ذخیره‌سازی بلوک، شی و فایل را ارائه می‌دهند. وقتی نوبت به مدل‌های PaaS و SaaS می‌رسد، گزینه‌های شما محدودتر می‌شود، زیرا ارائه‌دهنده مسئولیت بیشتری برای نظارت بر زیرساخت‌های بک‌اند بر عهده می‌گیرد.

به عنوان مثال، ارائه‌دهندگان ابر انواع خدمات پایگاه داده مدیریت شده را برای انواع مختلف پایگاه‌های داده ارائه می‌دهند. به همین ترتیب، آن‌ها ممکن است خدمات پیام‌رسانی یا ایمیلی را ارائه دهند که با راه‌حل‌های درون سازمانی سازگار باشد. البته، خدمات و ابزارهای PaaS برای توسعه و استقرار برنامه‌ها تنها به دلیل تعداد زیاد زبان‌های برنامه‌نویسی محدود هستند.

در ادامه به کاربرد مهم رایانش ابری در صنعت اینترنت اشیا و هوش مصنوعی نگاهی خواهیم داشت.

پیشنهاد مطالعه

اینترنت اشیا (Internet of Things)

دسترسی و انعطاف‌پذیری فراگیری که ابر ارائه کرده، منجر به شکل‌گیری مفهومی شده که اینترنت اشیا (IoT) نام دارد. در ساده‌ترین تعریف، اینترنت اشیا دستگاه‌های کوچک و هوشمندی را توصیف می‌کند که معمولا داده‌ها را جمع‌آوری کرده و برای پردازش به یک مکان مرکزی ارسال می‌کنند. برخی از دستگاه‌های اینترنت اشیا شامل سنسورهای دما، ترموستات‌های کنترل‌شده از راه دور و دکمه‌های الکترونیکی هستند که نظارت هر چه دقیق‌تر بر محیط را امکان‌پذیر می‌کنند. برخی از ارائه‌دهندگان خدمات ابری این مدل دستگاه‌ها را به فروش می‌رسانند که قابلیت برنامه‌ریزی دارند. دستگاه‌هایی که خدمات آن‌ها به طور کامل با رایانش ابری ادغام شده است.

یادگیری ماشین/هوش مصنوعی (Machine Learning/Artificial Intelligence)

یکی از مهم‌ترین کاربردهای رایانش ابری در ارتباط با یادگیری ماشین و هوش مصنوعی (ML/AI) است که اساسا با یافتن الگوها در داده‌ها در ارتباط است. به بیان دقیق‌تر، رایانش ابری به متخصصان فعال در حوزه هوش مصنوعی کمک می‌کند مجموعه داده‌های آموزشی را به شکل طبقه‌بندی شده یا بدون ساختار در فضای ابری میزبانی کنند و در ادامه در اختیار مدل‌ها قرار دهند. با توجه به این‌که آموزش مدل‌های هوشمند به توان پردازشی زیادی نیاز دارد و از هسته‌های پردازشی کارت‌های گرافیکی قدرتمند برای آموزش آن‌ها استفاده می‌شود، طبیعی است بیشتر سازمان‌ها چنین سخت‌افزارهای قدرتمندی در اختیار ندارند. به همین دلیل ماشین‌های مجازی مستقر در ابر را اجاره می‌کنند تا بتوانند از آن‌های برای آموزش مدل استفاده کنند.

محبوبیت یادگیری ماشین و هوش مصنوعی به دلیل توانایی آن‌ها در پیش‌بینی و طبقه‌بندی یا برچسب‌گذاری داده‌ها در مجموعه داده‌هایی است که برای مدیریت آن‌ها به شکل دستی به زمان بسیار زیادی نیاز است، به ویژه آن‌که داده‌ها دائما در حال رشد هستند.

با هیاهوی زیادی که پیرامون یادگیری ماشین و هوش مصنوعی وجود دارد، مهم است که بفهمیم یادگیری ماشین قادر به انجام چه کارهایی نیست. به طور مثال، یادگیری ماشین نمی‌تواند به طور مستقل یک رمان منسجم بنویسد. نمی‌تواند همه کارها را همانند انسان‌ها انجام دهد. در واقع، کاربردهای ML/AI محدودتر از آن چیزی است که بسیاری از مردم تصور می‌کنند. قابلیت‌های ML/AI به سه حالت زیر محدود می‌شود:

انجام پیش‌بینی:  برای مثال، پیش‌بینی آب و هوا یا محاسبه زمان رسیدن به مقصد.

شناسایی الگوها: تشخیص اشیاء در تصاویر و طبقه‌بندی آن‌ها بر اساس محتوای آن‌ها

شناسایی ناهنجاری‌ها: شناسایی تلاش‌ها برای تقلب یا هک

ML/AI نیاز به داده‌های ورودی دارند که متخصصان در اختیار آن‌ها قرار می‌دهند. در واقع، ML/AI به مدل‌های یادگیری بر اساس میزان داده‌های ورودی که متخصصان در اختیار آن‌ها قرار می‌دهند، به دو گروه تحت نظارت، بدون نظارت و تقویتی تقسیم می‌شوند.

خرید سرور با بهترین قیمت و گارانتی طلایی فالنیک
فالنیک با دارا بودن سبد کاملی از سرورهای اچ پی و تنها دارنده گارانتی رسمی و معتبر سرور اچ پی در ایران، خرید سرور را با گارانتی طلایی، سرویس دوره ای و مشاوره خرید رایگان ارائه می‌کند. شماره تماس مشاوره و اطلاع از قیمت سرور: ۰۲۱۵۴۵۹۱۹۱۴
خرید سرور

نویسنده :

ارسال دیدگاه



خرید سرور hp
شارژ کارتریج
نصب و راه اندازی شبکه
خرید استوریج
پادکست
ایبوک فالنیک
تک تاک
نویسنده مهمان فالنیک
سوئیچ شبکه
استفاده از مطالب سایت فالنیک (ایران اچ پی) فقط برای مقاصد غیر تجاری و با ذکر منبع بلامانع است. کلیه حقوق سایت متعلق به فالنیک (ایران اچ پی) است.