Сети и инфраструктура

Автономное облако, или неизбежность автоматизации

Экономия средств и разгрузка собственной ИТ-инфраструктуры — основные причины, по которым три из десяти компаний внедряют облачные решения (Digital Office Index 2018 Bitkom). Чтобы избавить себя от потенциальных проблем и более эффективно использовать свои ИТ-системы,  компании стремятся автоматизировать как можно большее количество задач при работе с облачными ЦОД, создавая автономное облако.

Приоритет умной аналитики

Сегодня мы наблюдаем взаимонаправленную тенденцию. С одной стороны, облачные вычисления позволили активно внедрять инновационные технологии современности —  инструменты ИИ, Интернет вещей, глубокое обучение. С другой стороны, сами эти технологии помогают значительно облегчить работу с облачными сервисами, автоматизируя множество рутинных задач. 

Например, инструменты искусственного интеллекта собирают информацию о том, как ведут себя компоненты ИТ-инфраструктуры, анализируют текущие процессы, на основе чего способны прогнозировать сбои отдельных ее частей. Исследование IDC показало, что умной аналитикой ИТ-операций занимается 51% компаний. С помощью таких мер выявляются отклонения от нормы, автоматически инициируются защитные или карантинные меры. 

При этом 41% компаний сосредоточены на оптимизации различных задач автоматизации работы ЦОД. Организации планируют и дальше активно инвестировать в такие направления, как аналитика и управление реляционными базами данных (63%), искусственный интеллект/машинное обучение (63%), бизнес-аналитика/хранилища данных (61%). То есть они вкладывают в те сферы, которые могут сделать их облака хотя бы частично более автономными.

Что можно автоматизировать в облачных ЦОДах?

Аналитика данных и машинное обучение помогают автоматизировать многие задачи, необходимые для построения автономного облака. Самые очевидные области их применения — управление и безопасность.

Управление

В управлении облачными сервисами можно автоматизировать ряд операций.

  • Подготовку ресурсов для инфраструктуры и приложений по запросу на основе предварительно определенных или обнаруженных во время обучения политик и разрешений.
  • Управление расходами, функции составления отчетов и анализа, прогнозирование производительности.
  • Размещение нагрузки, выделение и использование ресурсов.
  • Управление мультиоблаком, сочетающего в себе частные, публичные и гибридные облака, на основе определенных или обнаруженных в процессе обучения правил.
  • Мониторинг состояния системы в целом и ее компонентов по отдельности, управление производительностью, поддержка или автоматизация принятия решений исходя из показателей текущей и запланированной мощности.
  • Проактивное обнаружение проблем и инцидентов безопасности.

Как на практике выглядит частичная автоматизация облачных сервисов, можно посмотреть на примере таких решений, как CloudController, Couchbase Autonomous Operator for Kubernetes, Dynatrace Autonomous Cloud Management, Micro Focus Cloud Service Automation, Oracle Autonomous Database и YotaScale.

Безопасность

В области безопасности сегодня могут быть автоматизированы такие вещи, как:

  • идентификация, анализ и оценка рисков;
  • классификация информации;
  • защита от вредоносных программ;
  • резервное копирование и аварийное восстановление данных;
  • протоколирование и мониторинг;
  • проверка наличия уязвимостей;
  • регулярная проверка разрешений доступа;
  • шифрование данных во время их передачи;
  • шифрование данных при хранении;
  • обработка инцидентов безопасности;
  • документация и отчетность по инцидентам безопасности;
  • управление событиями в сфере безопасности.

Среди успешных примеров частичной автоматизации этих аспектов можно выделить: AWS CloudTrail, Check Point CloudGuard, Deep Security for the Hybrid Cloud, Fortinet Security Fabric Enabled, Fortinet Public Cloud Security, LogRhythm NextGen SIEM-Plattform, SentinelOne AnyCloud, Sophos Cloud Optix.

Автономное облако и потенциальные угрозы

Согласно исследованию IDC, три наиболее популярных варианта использования ИИ в компаниях — это автоматизация ИТ-процессов (34%), автоматизация продаж и маркетинга (31%), а также оптимизация взаимодействия с персоналом (30%). Однако такое автономное облако, к сожалению, имеет свою цену. И в этом случае она выражена в повышенных информационных рисках, связанных с применением новейших технологий. К тому же, из-за того, что в сети постоянно появляется информация о новых масштабных утечках и злонамеренном использовании данных, доверие пользователей к решениям ИИ и машинного обучения постепенно снижается.

Учитывая этот фактор, Gartner прогнозирует, что к 2023 году 75% крупных компаний будут нанимать на работу специалистов криминалистической экспертизы, связанной с технологиями искусственного интеллекта.

Новые инструменты и возможности необходимы бизнесу, чтобы помочь компаниям идентифицировать потенциальные проблемы, повысить уровень доверия клиентов, снизить репутационные риски бренда, а также укрепить уверенность в использовании моделей искусственного интеллекта.

Заключение

Различные решения на основе новейших технологий уже сейчас упрощают работу с облаками, приближая автономное облако к реальности. Автоматизация в процессах управления и безопасности освобождает дополнительные ресурсы и способствует более эффективному управлению ИТ-инфраструктурой. Однако вместе с этим мы наблюдаем такой парадокс: в то время, как облачную безопасность легче реализовать с применением функций на основе ИИ, новые технологии могут стать источником дополнительных информационных угроз. Вопросы ИТ-безопасности, конфиденциальности и комплаенса еще долго будут оставаться одними из самых важных в ИТ-индустрии, но это никак не должно помешать дальнейшему стремлению компаний к автономному облаку.

По материалам CloudComputing Insider/Autonome Clouds

Помогите нам стать лучше!

Пожалуйста, оцените этот материал, нажав на звёздочки ниже.

Средний рейтинг:

Теги

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Back to top button