如果我們要列出當前影響企業(yè)數(shù)據(jù)中心的相關主要趨勢，大多數(shù)技術人員和技術投資人可能會就一系列的核心趨勢方面達成一致。該核心趨勢清單將包括諸如云計算、容器和虛擬化、微服務、機器學習和數(shù)據(jù)科學、閃存、邊緣計算、NVMe和GPU等技術。這些技術對于推動當前企業(yè)組織機構(gòu)的數(shù)字化轉(zhuǎn)型都非常的重要。

但較難回答的問題則是：接下來會發(fā)生什么呢?哪些新興技術或趨勢的轉(zhuǎn)變有望成為數(shù)據(jù)中心業(yè)界的下一個大事件呢?而這些新興的技術及趨勢又將對硬件和軟件市場產(chǎn)生什么樣的影響呢?

目前，一種新興的趨勢已經(jīng)開始在大型企業(yè)中獲得了較為廣泛的關注。這是一種被稱為“DataOps(數(shù)據(jù)操作運營)”的實踐方案。這一新的術語是由另一個更為出名的“DevOps”這一概念衍生而來的，“DevOps”這一概念在十年前就已經(jīng)出現(xiàn)了，其目的是整合軟件的開發(fā)(“dev”)和操作運營(“ops”)。盡管DataOps與DevOps在某些方面的目標是一致的，但其更為顯著的體現(xiàn)了我們今天在數(shù)據(jù)中心業(yè)界所看到的一些主要變化。

DevOps概念的提出

讓我們先從DevOps開始展開我們的討論吧。早在2008年，當DevOps這一概念首次被提出的時候，其描述的是一項旨在最大限度地提高應用程序構(gòu)建和部署過程中的自動化和可重復性的IT實踐。其宗旨是：如果軟件開發(fā)人員和操作運營專業(yè)人員可以緊密合作，那么，構(gòu)建和部署應用程序?qū)欤杀靖?。實踐的目標包括提升靈活敏捷性，實現(xiàn)更快的產(chǎn)品上市時間和持續(xù)的應用程序交付。

諸如VMware、Docker、Puppet和Chef這樣的公司都已經(jīng)趕上了DevOps的這一波浪潮。

DevOps泡沫的破滅

盡管經(jīng)歷了軟件開發(fā)人員們早期的狂熱和興奮階段，DevOps目前已經(jīng)停滯不前了。根據(jù)2017年的一項研究表明，DevOps尚未完全履行其最初承諾。在這項研究中，共計有2197名企業(yè)IT主管接受了調(diào)查，其中只有17%的受訪者將DevOps列為對其所在的企業(yè)組織有重大戰(zhàn)略影響——而這一比例遠遠低于大數(shù)據(jù)(41%)和公共云基礎設施即服務(39%)。其中一名受訪者解釋說：DevOps方法并沒有充分考慮到數(shù)據(jù)密集型的應用程序。

數(shù)據(jù)的興起

如果說現(xiàn)在已經(jīng)有一種趨勢幾乎影響到所有行業(yè)的企業(yè)組織的話，那么毫無疑問，這一趨勢便是企業(yè)越來越重視通過對于數(shù)據(jù)的分析使用來推動業(yè)務價值的實現(xiàn)了。而根據(jù)IDC公司的一項研究預測，到2020年，全球范圍內(nèi)的數(shù)據(jù)量將達到44澤字節(jié)，而1986年則只有3艾字節(jié)。無論是改善客戶體驗，提高運營效率還是創(chuàng)造新的收入來源，數(shù)據(jù)都能夠為跨各個行業(yè)的企業(yè)組織提升市場競爭優(yōu)勢提供了杠桿支撐。

為什么如此數(shù)據(jù)重要

如果說數(shù)據(jù)的使用已成為當前企業(yè)所采用的顛覆性的商業(yè)模式的一部分，那么考慮如何管理和部署數(shù)據(jù)密集型應用程序則已成為企業(yè)組織IT實踐的核心。與DevOps方法所重點關注的輕量級應用程序不同，當企業(yè)組織開始討論數(shù)據(jù)密集型應用程序時，會出現(xiàn)一系列新的考慮事項。

數(shù)據(jù)管理實踐方案涉及到整個應用程序的生命周期。例如，數(shù)據(jù)科學和機器學習應用程序的發(fā)展需要使用大量的訓練數(shù)據(jù)。而操作運營團隊所部署的應用程序也有所不同;出于性能原因方面的考慮，數(shù)據(jù)密集型應用程序需要考慮數(shù)據(jù)的局部性，這意味著需要在持續(xù)產(chǎn)生數(shù)據(jù)的位置附近部署流程。此外，只要企業(yè)組織內(nèi)部的各個不同的團隊需要使用數(shù)據(jù)，那么對于數(shù)據(jù)的訪問就必須受到嚴格的IT安全策略的控制和管理。

DataOps適用于數(shù)據(jù)驅(qū)動的應用程序

這些以數(shù)據(jù)為中心的新的理念激發(fā)了數(shù)據(jù)中心業(yè)界對于超越DevOps限制的實踐方面的需求。簡而言之，DataOps是開發(fā)和部署數(shù)據(jù)密集型應用程序的一種靈活敏捷的方法。這種做法很大程度上受到企業(yè)內(nèi)機器學習和數(shù)據(jù)科學團隊發(fā)展的鼓勵，這需要涉及到企業(yè)內(nèi)的軟件開發(fā)人員和架構(gòu)師、安全與管理專業(yè)人員、數(shù)據(jù)科學家、數(shù)據(jù)工程師和運營人員之間的密切合作。DataOps是一個人員加流程的模式，旨在提高可重復性、生產(chǎn)力、靈活敏捷性和自助服務，同時實現(xiàn)持續(xù)的數(shù)據(jù)科學模型部署。

在我們與一些大型企業(yè)組織的合作過程中，我們發(fā)現(xiàn)一些大型企業(yè)雇傭了數(shù)千名的數(shù)據(jù)科學家，我注意到：這些企業(yè)在用來支持DataOps的基礎架構(gòu)、平臺和工具類型方面發(fā)生了相應的變化。盡管用于支持DevOps實踐的一些工具(例如容器和虛擬化)仍然是DataOps的核心，但還有其他需要強制使用更新的技術，這可能暗示了未來十年的市場贏家。

首先，在工具層，DataOps實踐方案需要一款能夠支持相關語言和框架(如Python、R、data science notebooks和Github)的數(shù)據(jù)科學平臺。此外，一種強有力的方案應該有助于在流程的各個階段執(zhí)行嚴格的數(shù)據(jù)訪問和管理政策。數(shù)據(jù)即服務(Data-as-a-service)或自助服務數(shù)據(jù)市場工具是相當關鍵的。

在平臺層，DataOps需要一款統(tǒng)一的數(shù)據(jù)架構(gòu)，可以管理和提供大量數(shù)據(jù)的訪問，包括傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)以及更新的非結(jié)構(gòu)化和流式數(shù)據(jù)集。借助一款全球數(shù)據(jù)架構(gòu)，可以跨物理位置管理數(shù)據(jù)，并使用廣泛的計算引擎(包括集裝箱化流程)來處理數(shù)據(jù)。最后，選擇支持數(shù)據(jù)密集型應用程序的平臺必須針對數(shù)據(jù)局部性進行優(yōu)化。

下一代的市場贏家

作為軟件行業(yè)的資深人士兼學生，我知道該行業(yè)唯一不變的就是不斷的變化。雖然沒有人擁有能夠預測未來的水晶球，但我認為可以肯定地說未來十年的數(shù)據(jù)中心將與過去十年的數(shù)據(jù)中心不同。 DataOps是一個值得關注的趨勢。隨著企業(yè)對于這些實踐方案的采用變得越來越普遍，我預測我們將看到技術市場的相應轉(zhuǎn)變。而市場的贏家將是那些能夠提供相應工具和平臺的公司，以便使得開發(fā)和部署數(shù)據(jù)密集型的應用程序變得更容易。