什么是混合云架构？

《什么是混合云架构？》由 BTW Media 收录，因为公开证据显示其与互联网基础设施、治理、运营依赖性及市场可见性相关。

• 混合云架构是指将本地部署、私有云、公有云和边缘配置相结合的环境，旨在创建一种统一、灵活且可管理的 IT 基础架构。
• 作为一种架构模型，混合云在数字化转型中扮演着关键角色，为企业提供了一种灵活、可移植且经济高效的实现方式。
• 随着商业云计算的普及以及数字化转型需求的日益增长，企业正转向混合云解决方案以控制成本并提升整体敏捷性。

混合云架构如何运作？

混合云架构是指将本地部署、私有云、公有云和边缘配置相结合的环境，旨在创建一种统一、灵活且可管理的 IT 基础架构。

作为一种架构模型，混合云在数字化转型中扮演着关键角色，为企业提供了一种灵活、可移植且经济高效的方式来现代化现有应用、部署数据，并在多个计算环境中运行工作负载。

混合云架构很复杂，并因各企业的需求和用例而异。尽管构建混合云基础架构没有放之四海而皆准的方法，但它们都具备混合计算环境（本地和异地），具体包括：

本地环境（“Local”）：一种传统的计算形式，组织在自己的物理场所（如办公楼或本地数据中心）内的硬件和服务器上管理和运行计算资源、网络、存储和软件。

私有云环境：一种所有资源都隔离并专为单一组织运营的云计算环境。私有云结合了云计算的诸多优势与本地 IT 基础架构的安全性和控制力。

公有云环境：一种由第三方云服务提供商（CSP）托管的云计算类型，例如 Amazon Web Services (AWS)、Microsoft Azure、IBM Cloud 或 Google Cloud。这些公有云服务提供商在公共互联网上以按需付费的方式托管公有云计算资源，例如独立的虚拟机（VM）和其他云计算服务。

许多中型企业使用不止一种云环境，而大多数大型企业则同时使用以下三种云服务类型：

基础设施即服务（IaaS）通过互联网按需、按用量付费向用户提供计算、网络和存储资源。IaaS 使最终用户能够根据需要弹性伸缩资源，从而减少对高昂前期资本支出或超额“独立”基础设施的需求，特别是在工作负载激增时。

平台即服务（PaaS）提供了一个完整的云平台（例如硬件、软件和基础架构），用于开发、运行和管理应用，无需承担构建和维护本地此类平台的相关成本、复杂性和僵化性。

软件即服务（SaaS）指的是托管在云端的应用软件，用于面向最终用户的应用程序（例如 Zoom、Dropbox）。SaaS 服务提供商负责运营、管理并维护软件及其运行的基础架构。SaaS 是最常见的公有云服务，也是占主导地位的软件交付模式。

混合云架构的组成部分

理想的混合云架构为企业提供高性能的计算和存储能力、低延迟的网络连接、虚拟化以及稳健的安全保障。

除了整合运行在不同资源（本地基础架构、私有云和公有云）上的应用外，混合云架构还包括以下其他关键组成部分。

1. 网络连接

网络连接是混合云架构的关键组成部分。网络连接支持在多个位置之间共享资源。

混合云的连接性依赖以下技术的使用：

VPN（虚拟专用网络）在两个网络端点（节点）之间建立安全的点对点连接。VPN 创建一个加密通道，在互联网上保持用户传输数据、凭证和访问信息的机密性。借助 VPN，本地和私有云基础架构可以通过公共网络上的私有安全连接安全连接。

WAN（广域网）在广阔的地理范围内连接计算机，例如从一个地区到另一个地区，甚至从一个大陆到另一个大陆。互联网是最大的广域网，连接全球数十亿台计算机。在企业领域，WAN 将办公室、数据中心、云应用和云存储相连接。基于云的广域网使组织能够将办公室和数据中心的局域网与基于云的存储、应用和其他资源相连接。

API（应用程序编程接口）是一套定义的规则，允许不同的应用程序相互通信，充当处理系统间数据传输的中间层。API 使企业能够向外部第三方开发者、业务合作伙伴和内部服务开放其应用程序的数据和功能。在混合云架构设置中，API 通过云之间的 HTTP 请求进行调用，以连接应用程序、数据库和网络。

2. 虚拟化

现代混合云架构建立在虚拟化技术之上，该技术使用软件在物理硬件上创建虚拟计算系统的抽象层，从而创建多个称为虚拟机（VM）的虚拟计算机。虚拟化最初由 VMware 为企业开发，是企业云计算的关键组成部分。它使组织能够在单个物理服务器上运行多个虚拟机、操作系统和应用程序。它还允许用户按需购买计算资源，并随着工作负载的增长以经济高效的方式扩展资源。

除了虚拟服务器之外，混合云架构还使用许多其他类型的虚拟化，包括网络虚拟化。网络虚拟化包括软件定义网络（SDN），它虚拟化了控制网络流量路由的硬件（称为“控制平面”）。网络功能虚拟化（NFV）虚拟化了一个或多个提供特定网络功能的硬件设备，例如防火墙、负载均衡器或流量分析器，使这些设备更易于配置、管理和运维。

虚拟化还支持基础设施即代码（IaC），它自动化了基础设施的配置，使开发人员能够更快、更安全且成本更低地开发、部署和扩展云应用程序。

3. 容器化

容器是轻量级、可执行的应用程序组件，它将应用程序源代码与在任何环境中运行代码所需的所有库和操作系统依赖项相结合，是现代混合云架构的关键要素。与虚拟机虚拟化底层硬件不同，容器虚拟化了操作系统（通常为 Linux 或 Windows）。

凭借比虚拟机（VM）更出色的可移植性和资源效率，容器已成为现代云原生应用事实上的计算单元。云原生应用专为在云中运行而设计，由 DevOps 等团队设计，具有可扩展性，并由微服务（也称为微服务架构）构成。这意味着单个应用由许多更小、松耦合且可独立部署的组件或服务组成。

微服务加速了软件开发和部署，因为每个服务都可以单独开发和部署。许多大型企业已从开发单体应用转向微服务应用，例如 Amazon 利用微服务跟踪用户活动、历史记录和其他数据，以提供实时推荐，从而改善客户体验。

4. 统一混合云管理

当前的混合云解决方案涉及一个统一平台，用于发现、处理和管理本地、私有及公有云的数据和资源。混合云平台和工具的结合统一了计算、存储、网络、数据库、分析和安全功能，确保在多样化的混合云环境中实现一致性和可靠性。

另请阅读：Hitachi 和 Cisco 推出新的混合云托管服务

常见的预配置硬件、软件和服务的混合云平台包括 AWS Outposts、Google Cloud Platform、VMware Hybrid Cloud 和 Red Hat OpenShift。每个平台通常集成了标准的云技术，例如 Kubernetes 用于编排基于容器的服务以及其他软件功能。这些统一管理工具用于通过单一管理平台监控、分配和管理这些资源，提供了一种 IT 和网络管理策略，将多个监控工具和数据流整合到单一界面中。

以下是混合云管理平台相关的主要功能概览：

资源管理

混合云托管服务工具帮助利益相关者根据应用程序需求分配和重新分配本地及云环境中的资源。例如，像金融机构这样的组织可以使用私有云保存敏感的客户信息，同时使用公有云测试新应用，如移动银行应用。

工作负载编排

混合云架构使用容器编排工具，例如 Kubernetes 或 Docker Swarm，来自动化容器化工作负载。这些技术帮助开发人员在不同位置的服务器集群上快速部署、运行和同步容器。它们还提高了容器化工作负载的可扩展性，这意味着 DevOps 等团队可以根据需要自动添加运行容器化应用程序的 Kubernetes 集群，从而减少停机时间并优化性能。

数据集成

混合环境收集和处理来自各种来源的数据，这需要数据集成，即整合多个源系统数据以创建统一视图的过程。

面向混合云的数据管理解决方案包括数据分析软件平台，这些平台利用人工智能（AI）和机器学习来收集、组织和分析数据。许多这些数据集成工具采用了数据结构设计理念，在混合环境中跨越多种技术运行，将多个源系统的数据整合为统一视图。

数据治理

数据治理工具为混合云架构提供了另一个技术层，使组织能够创建和维护政策和协议，以定义其数据应如何根据合规性和监管标准进行存储、管理和使用。

安全

混合云安全涉及在数据和应用跨越本地、私有和公有云组合的环境中保护组织敏感信息的技术和最佳实践。混合云架构的安全层涉及技术控制措施，例如加密、网络身份验证和管理软件：

数据加密

数据加密用于混合云环境，以保护敏感数据免受数据泄露或网络攻击，包括恶意软件和勒索软件。

身份和访问管理（IAM）：IAM 管理工具是一种标准授权方法，为所有用户创建数字身份，以主动监控和限制他们在所有数据交互中的行为。

安全信息和事件管理（SIEM）：SIEM 管理工具提供安全监控和可观测性控制台，以及全面的安全编排解决方案，可自动执行威胁监控、实时威胁检测和响应。

灾难恢复（DR）：基于混合云的灾难恢复工具为数据备份、保存和恢复提供数据保护，以加速丢失数据的恢复并恢复正常业务运营。

混合云架构的优势

混合云架构提供了多项优势，包括：

敏捷性和可扩展性

混合云架构通过在本地、公有或私有云中快速分配和释放资源，轻松满足不断变化的业务需求，从而提升了敏捷性。借助按需云资源，混合云还提供了几乎无限的向上和向下扩展能力。

业务连续性

混合云部署通过将关键数据复制到云端并支持在需求高峰期进行扩展，优化了业务连续性，从而减少了停机时间。

成本节约

混合云策略通过将工作负载迁移到公有云，有助于降低资本支出，避免现有硬件维护和升级带来的持续成本。

应用程序现代化

混合云环境提供了现代化应用程序所需的灵活性和安全性，即将现有应用程序更新为可扩展的云原生应用环境。这使得能够快速创建应用程序、自动部署并定期更新，从而避免瀑布式开发周期。

生成式 AI 的采用

混合云基础架构通过提供几乎无限的存储能力、计算能力和快速可扩展性，加速了生成式 AI 的采用及其对大量数据和大型语言模型（LLM）的依赖。