Cómo escalar la nube en la computación en nube

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 número de recursos de computación de una manera muy económica y eficiente.

El gráfico muestra una gráfica del costo por usuario de ejecutar sólo una aplicación de software utilizando diferentes tipos de equipo recursos- 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 la población 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 extrae en una escala proporcional, se necesitaría millas de papel.

La computación en nube economías de escala.
La computación en nube economías de escala.

Observe lo siguiente:

  • Un extremo del eje X muestra los costos del centro de datos entre $ 1- $ 50 por usuario al año. El costo por usuario es extremadamente bajo.

  • El otro extremo del eje X muestra los costos del centro de datos entre $ 1.000- $ 5.000 por usuario por año.

Básicamente, a la izquierda, que tiene un uso muy eficiente de los recursos de la computadora y, a la derecha, muy ineficiente utilizar 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 será miles de dólares por año y esto es tan caro como la informática cada vez se pone por usuario.

  • Las máquinas virtuales: Las solicitudes y el número de usuarios que no pueden utilizar un servidor entero llegar virtualizado (dividida entre varios servidores virtuales).

  • Servidores eficientes (y pequeños grupos): Las poblaciones de los 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 en servidor puede ser altamente eficiente, produciendo un costo relativamente bajo por usuario.

  • Mainframe y grandes racimos de Unix: Están muestran por separado en la parrilla sólo por razones de espacio. Ambos pueden manejar grandes aplicaciones de bases de miles a decenas de miles de usuarios.

  • Grids: De los cientos de miles a un millón de usuarios, que está en la zona donde Software como Servicio (SaaS) proveedores como Salesforce.com operan. Aplicaciones empresariales 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. Aún así una carga de trabajo muy pesada y sólo es posible a través de un scale-out (que permite una sola carga de trabajo expandir mediante el uso de más de los recursos económicos idénticos) con una rejilla de enfoque.

  • Rejilla masivo en escala: 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- consultas rutas de Google para muchas de estas redes.

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

La reducción de los costes por usuario no es así, por el momento, viene utilizando equipos informáticos diferentes o distintos sistemas operativos: Proviene de la ejecución de un pequeño número (o incluso sólo uno) la carga de trabajo y la ampliación hacia arriba tanto como sea posible. Así es como la computación en nube reduce los costos dramáticamente.

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