如何避免移动数据时停机和中断！

越来越多的公司需要在数据中心和/或云之间移动数据，但是在过渡期间停机的风险是一个症结所在。

2017业务连续性意识周在这里，希望它能提供一个新的机会来回顾一下云在这个领域的局限性。

根据以下数据，所有企业it工作负载中约有60%将在明年开始以某种形式公开或私有云运行，根据451研究报告最新估计数它在关键类别中进行了特别强劲的增长，包括数据分析和核心业务应用。从idc|||gartner以及Forrester大致上相同的图片-云正在迅速成为中心，而不是外围的一般it规定。

大数据周刊公众号

+ Also on Network World: 企业眼云用于大型数据部署 +

难怪it领导人对此表示担忧数据移动的风险以及相关停机时间典型数据集现在大约从10到20年前的平均企业数据库的1000倍到一百万倍。这意味着与移动相关的潜在停机时间将是更大的次数。这不再是一个让它飞15分钟的例子-这可能是停机时间，而数据正在重新安置。

[用InfoWorld的快速向导把谷歌从谷歌中得到最大的帮助为谷歌驱动电源用户25条技巧和技巧“今天下载pdf！还检查一下我们的云安全数字聚光灯pdf特别报告.。

企业知道他们需要更多地利用云，尤其是做更战略性和更聪明的东西：高速、高容量的数据处理，以支持实时决策和复杂自动化。今天产生的数据数量已经使得建立二级数据中心成本也很高，也是推动公司向云的进一步因素。

但是，从这里到那里的痛苦仍然令人望而却步。他们在过境方面的数据可能会发生什么，如果他们不能再获得访问呢？如果同时使用其他地方，他们如何继续使用现场数据呢？

延迟也是一个问题。数据中心以前是建立在接近的基础上，以防止任何与网络传输相关的性能退化。但是随着云的变化，物理服务器农场之间的距离并不是企业控制的，因此性能问题-这会减缓数据可用性和和解-是一个重要考虑因素。

关于停机时间的担忧也可以在灾难恢复场景中有效。如果远程数据中心可以被调用来恢复运行系统并快速运行，那么cio担心停机或数据丢失是正确的-例如，由于近距离系统之间的同步不足，例如。这是什么ibm将在一个网络研讨会上讨论作为业务连续性意识周的一部分。

未来是现在

无论是日常的后台系统还是那些支撑着人工智能或物联网的雄心勃勃的新项目，组织都需要能够依赖于他们所有时候处理的数据的可用性和完整性。

例如，无人驾驶汽车起飞时，所有缔约方(乘客、汽车制造商、保险公司和第三方服务提供商)都需要绝对保证车辆仪表和传感器以及它们所连接的云平台能够连续地实时发送、接收、解释和处理数据。据估计，一辆具有传感器、照相机和激光测量(Lidar)测量的单自主车可以。每秒生成数据的自动生成.。

唯一的方法是提供一个可行的服务，使用不断变化的数据集-没有停机和没有中断-是通过我们调用的东西主动数据复制这使得现场数据能够同时存在于多个地方，并且不会出现同步中断的风险，并且随着每个端点更新而中断。正是这种能力使汽车制造商和服务伙伴能够分析和回应有关车辆如何运行的现场数据，并实时识别异常，并预先确定需要采取哪些补救措施。

公司不必为了对抗这种数据完整性挑战而吸引明星们。许多组织正在转向基于hadoop的分析(一种特定的方法)高速数据高速处理将大数据转化成有用的、可操作的数据，它们可以在日常活动中使用。例如，许多企业使用hadoop来分析和响应twitter活动。但是，这通常意味着将数据放置到云中，其中所需的处理能力很容易得到。

除非它们与历史数据相结合，公司将继续需要获得核心业务系统中的数据，而这些数据仍在不断更新。在这种情况下，使用云进行处理并不仅仅是将完整数据的批量加载发送到某一目的地，其中一些聪明发生在某一目的地，一旦发生了魔法，结果就会回来。

暂停不是一个选项

当分析发生在现场生产数据时，公司无法负担数据来源的站点和数据处理的点无法同步。他们也不能等待几天-数据移动，分析并返回-之前任何新事物都可能发生。这不仅仅是停工期：它瘫痪了。这并不能解释在过渡过程中可能发生的任何腐败行为，或者是由于数据在hadoop分析事件.。

再次，避免与数据移动相关的停机和中断的唯一方法是找到一种方法来不断更新和同步位置之间的数据。谷歌这样的公司通过精心设计的卫星安装实现了这个目标。但是你也可以用像我们这样的聪明算法来做它。