已找到以下 214 条记录
AI智能搜索
产品选择
云采用框架
没有找到结果,请重新输入
产品选择
云采用框架
在搜索结果页开启AI智能搜索
开启
产品选择
没有找到结果,请重新输入
  • 基础环境设计 - 云采用框架

    基础环境设计 企业在上的基础环境主要就是Landing Zone,企业在将任何业务系统化之前,都需要提前规划和设计一个架构卓越、稳定可靠、易扩展和安全合规的上运行环境。 具体内容请参考章节 Landing Zone设计。 企业需要针对环境的安全防护设计全面的安全防护方案,请参考章节安全架构设计。

  • 顶层规划的反模式 - 云采用框架

    导和资源,帮助企业最大化计算的价值,确保化转型项目的成功实施。CCoE就像化转型的引擎,如果CCoE团队成员不够完善,就像引擎缺少关键零件,无法高效运转,甚至可能导致转型失败。这种反模式的具体例子如下: 缺乏架构师: 缺失专业的架构师会导致化转型如同无舵之舟。架构设计

  • 基础设施调研 - 云采用框架

    架构现状和上需求,有针对性地进行规划和决策。通过评估资源使用情况、组网配置、安全架构等方面的数据,企业可以制定合适的迁移策略,优化资源配置,提高运维效率,并确保访问权限的管控和资源计量计费的准确性。 总而言之,基础环境调研是为了深入了解企业的IT基础架构现状和上需求,通过与

  • 战略制定的反模式 - 云采用框架

    参考章节制定化目标 。 量化业务收益:基于前面制定的化目标,对其进行收益分析,将其转换为财务收益,以便进行项目ROI评估,为管理层的战略决策提供依据,请参考章节分析化收益 。 持续跟踪和评估业务收益: 定期评估化转型的业务收益,并根据实际情况调整化目标。 化战略缺乏与干系人的对齐

  • 采用实施的反模式 - 云采用框架

    通过识别和避免这些反模式,并参考行业最佳实践和成功案例,可以更加科学实施上方案,提高上云和用的效率,更好地利用平台的优势,发挥技术的价值。 父主题: 采用实施

  • 切换 - 云采用框架

    切换 大数据的切换主要是指大数据应用的切换,其切换演练和正式切换的步骤请参考章节切换。本节重点介绍大数据应用切换的3个切换点,以便更好的指导大数据应用的切换。 双跑场景:大数据应用分别在源环境和目标环境各部署一套,实现双跑,切换点在域名,业务切换时只需要进行域名的切换,将业务流量切换到新应用。

  • 人员安全管理 - 云采用框架

    人员安全管理 企业需要对IT部门内的员工以会接触到企业敏感数据的员工进行人员安全管理,主要包括安全意识教育、安全能力培训、重点岗位管理和安全违规问责等。 安全意识教育 为了提升全员的信息安全意识,规避信息安全违规风险,保证业务的正常运营,企业可以从意识教育普及、宣传活动开展、承诺书签署三个方面开展安全意识教育

  • 制定6R策略 - 云采用框架

    Shift”,将应用程序原封不动地从本地数据中心迁移到平台。通常使用工具将虚拟机或物理服务器转换为云中的虚拟机。 快速迁移到平台,以降低成本或提高可用性。 需要快速完成迁移,时间紧迫。 缺乏应用程序的深入了解或修改代码的资源。 Replatform 在迁移过程中对应用程序进行少量修改,以适应平台。例如,将应用

  • 组建调研评估团队 - 云采用框架

    安全风险,确保上过程符合相关法律法规和行业标准。 项目经理:来自项目管理办公室(PMO),管理调研项目进度,确保各项任务按时完成,协调各部门之间的沟通与协作,促进信息流通,及时解决项目中的问题。 架构师:来自IT部门或厂商,作为技术的专家,为团队提供上技术支持和指导,包括上云方法论,调研的最佳实践等。

  • 组建方案设计团队 - 云采用框架

    在企业推进上方案设计的过程中,构建一个高效且专业的方案设计团队是确保项目成功的关键。该团队将负责设计全面的上方案,涵盖上技术架构、业务架构优化、成本效益分析、安全合规等多个维度,以保障上方案的可行性。企业可以参考前述的CCoE组织架构和角色职责,组建出一个全面且专业的上方案设计团队,以下为必要的团队成员。

  • 数据调研 - 云采用框架

    数据调研 数据调研主要包括如下方面: 表1 数据调研方法表 调研内容 调研目的 举例 数据类型 根据数据类型选择合适的迁移工具 HDFS、HBase、MySQL等 数据量 历史数据量,用于评估历史数据迁移周期; 日增量数据,用于评估每日增量数据同步周期。 历史数据X PB 日增量Y

  • 什么是平台工程 - 云采用框架

    什么是平台工程 平台工程(Platform Engineering)是一种通过构建和运营自助式内部开发平台(IDP,Internal Developer Platform)来优化软件交付和生命周期管理的工程学科。其目标是通过标准化和自动化的方式,减少开发人员与底层基础设施之间的复

  • 方案设计的反模式 - 云采用框架

    优化建议:对当前的应用架构进行评估,并进行相应的适配改造,以适应上环境,并充分应用云原生的能力,提升架构的可用性、可扩展性和性能。 未考虑合规性和法律要求 在设计上部署架构时,未考虑数据存储和访问的合规性要求,可能导致法律风险和数据泄露问题。 优化建议:在设计上方案时,确保了解相关的法律法规和合规要

  • 性能设计 - 云采用框架

    可扩展性设计,性能设计要考虑很重要的一点就是扩展性,可以说可扩展性是高性能的必要条件, 影响上应用性能的主要因素包括以下几个方面: 针对计算资源,延时是操作执行之间所花的等待时间,也是计算性能的最直接表现; 针对网络资源,吞吐量是评价数据处理执行的速率; 在数据传输方面,用字

  • 软件工程安全 - 云采用框架

    软件工程安全 软件工程安全是指在软件开发的整个生命周期中,应用一系列安全原则、实践和技术,以减少软件漏洞,提高软件抵御恶意攻击的能力,最终保障软件的机密性、完整性和可用性。它涵盖了从需求分析、设计、编码、测试到部署和维护的各个阶段。 安全设计 企业需要遵从安全及隐私设计原则和规范

  • 平台调研 - 云采用框架

    平台调研 大数据调研简介 大数据迁移是指将大数据集群、大数据任务调度平台和大数据应用从一个运行环境迁移到另一个运行环境的过程。 图1 大数据调研的对象 大数据迁移需要调研4部分信息: 大数据平台调研,包括大数据集群、任务调度平台、数据流向。 数据调研,包括待迁移的数据类型、数据量、元数据、数据权限、数据更新频率等。

  • 任务调研 - 云采用框架

    任务调研 任务调研主要包括如下方面: 表1 任务调研方法表 调研内容 描述 任务调度 如Azkaban、DolphinScheduler,Hera、Crontab等。 任务类型 基于编程语言分类: Jar类:常用于MRS、Flink、Spark等 SQL类: 常用于Hive、Spark、UDF等

  • 设计原则 - 云采用框架

    设计原则 大数据的部署架构设计包括大数据集群、大数据任务调度平台和大数据应用,其中大数据应用的部署架构请参考应用架构设计。 图1 大数据架构设计分类 大数据架构设计同样要考虑架构设计的6要素: 成本 可用性 安全性 可扩展性 可运维性 性能 图2 架构设计6要素 父主题: 大数据架构设计

  • 迁移批次规划的方法 - 云采用框架

    Replatform 3 Re-architect 1 应用迁移批次规划样例 表3 批次规划样表 应用名称 上策略 上批次 第一批次上 第二批次上 第三批次上 第四批次上 - - - 2025.01.01~2025.03.31 2025.04.01~2025.06.30 2025

  • 调研评估的反模式 - 云采用框架

    调研评估的反模式 在进行上调研评估时,可能会遇到一些反模式,这些模式如果不加以识别和避免,可能会影响调研评估的效率,也可能会导致调研评估结果不准确,无法支撑有效决策和后续的上方案设计。以下是一些在上调研评估中常见的反模式。 没有选择正确的调研方法 调研开始阶段,直接发各种复