prucommercialre.com


Cómo Escalar la Nube en Cloud Computing

Desde el punto de vista del proveedor, el punto central de la computación en nube es lograr economías de escala mediante la gestión de un gran conjunto de recursos informáticos de una manera muy económica y eficiente.

El gráfico muestra un gráfico de la coste por usuario de correr sólo una aplicación de software utilizando diferentes tipos de recursos informáticos; esto se trazó contra el número de usuarios. La única aplicación se ejecuta en diferentes entornos informáticos, comenzando con servidores dedicados ineficientes todo el camino hasta a escala masiva rejillas.

Un punto importante a destacar es que el eje Y de las poblaciones de usuarios es logarítmica. Eso significa que la curva es mucho menos pronunciada que si se dibuja en una escala proporcional de la igualdad de pasos. Si se dibuja en una escala proporcional, se necesitaría kilómetros de papel.

Cómo Escalar la Nube en Cloud Computing

La computación en nube economías de escala.

Observe lo siguiente:

  • Un extremo del eje X muestra los costos de los centros de datos entre $ 1 y $ 50 por usuario por año. El costo por usuario es extremadamente bajo.
  • El otro extremo del eje X muestra los costos de los centros de datos entre $ 1,000- $ 5,000 por usuario por año.

Básicamente, a la izquierda, que tiene un uso muy eficiente de los recursos informáticos y, en el uso correcto, muy ineficiente de los recursos.

Los puntos de la línea indican el tipo de recursos informáticos que sirven tamaño de los grupos específicos:

  • Servidores ineficientes: El coste de la gestión de un único servidor en un centro de datos estarán miles de dólares por año y esto es tan caro como la informática llega a ponerse por usuario.
  • Las máquinas virtuales: Aplicaciones y el número de usuarios que no pueden utilizar un servidor entero consiguen virtualizado (dividida entre varios servidores virtuales).
  • Servidores eficientes (y pequeños grupos): las poblaciones de usuarios de los cientos a 1000 se pueden servir razonablemente eficiente con un único o varios servidores si sólo hay una aplicación que se ejecuta en un servidor; servidores pueden ser altamente eficiente, produciendo un costo relativamente bajo por usuario.
  • Mainframe y grandes grupos de Unix: Están muestran por separado en la parrilla sólo por razones de espacio. Ambos pueden manejar grandes aplicaciones de base de datos de miles a decenas de miles de usuarios.
  • Grids: De los cientos de miles a un millón de usuarios, que están en la zona en la que el software como servicio (SaaS) proveedores como Salesforce.com operar. Las aplicaciones de negocios ofrecidos por los proveedores de SaaS presentan un problema de escala espinoso porque es una aplicación de base de datos transaccional.
  • Las grandes redes: Usuarios simultáneos por encima de un millón. Todavía una carga de trabajo muy pesado y sólo es posible a través de una escala de salida (que permite una sola carga de trabajo expandir mediante el uso de más de los recursos económicos idénticos) con una rejilla de enfoque.
  • Rejilla Massively escalado: Esto es para grupos de usuarios en las decenas de millones. Ejemplo: Cada consulta de búsqueda de Google se resuelve por una rejilla especialmente diseñada de hasta 1.000 servidores; Google rutas consultas a muchas de esas redes.

El cuadro de puntos indica el dominio tradicional y tipo de recursos de computación corporativa. Los mismos servidores que se utilizan en entornos corporativos podrían utilizarse con la misma facilidad en los acuerdos ampliados a cabo, en las cargas de trabajo no están en absoluto mezclan.

La reducción de los costes por usuario no es así, por el momento, vienen de usar equipo de cómputo diferente o diferentes sistemas operativos: Proviene de la ejecución de un pequeño número (o incluso sólo uno) la carga de trabajo y su reducción hasta lo más posible. Así es como la computación en nube reduce los costos dramáticamente.

Ninguna corporación que dirige una carga de trabajo mixto nunca va a lograr economías de nube de computación de escala.