改良混合云数据迁移，从数据现代化开始

对于在公共云运行企业架构的公司来说，进行有意义的成本节约是当务之急。IDC报告称，opens in a new tab近年来，云成本激增，已经占据IT预算的30%以上。

企业已尝试根据价格和性能，将云工作负载从本地迁移到公有云，以便为自己提供更好的杠杆和业务灵活性。但数据库迁移成本（每次迁移高达数千美元）已使他们所期望的混合云节省打了折扣。

有些公司决定不“直接迁移”所有工作负载，而是选择优化部分工作负载，以便在云端获得更高的性能，同时将部分工作负载保留在本地。因此，云迁移通常会聘请咨询服务来重构工作负载——重新架构本地工作负载，以针对平台即服务（PaaS）模型进行优化。

有些公司之所以选择第三方服务提供商，是因为他们需要更多内部资源，包括时间、工具或技能来管理数据库。这些公司还面临其他运营挑战，例如确定其数据是否已更新，或是否符合隐私和安全方面的要求。

然而，大多数云迁移并不需要复杂流程或额外支出。优化数据迁移的最可持续和最有效的方法始于更好的元数据——云迁移的中枢神经系统。有了这个基础——即一种数据现代化的形式——云运营成本可通过自动化和自助迁移得到有效控制。一旦企业掌握了云数据迁移，就可以利用混合云分层来平衡工作负载成本，提高性能。

公司必须采取哪些措施才能在混合云数据迁移中占据先机？

利用现代数据目录实现数据现代化

数据从各种应用程序流入云中，通常格式不同，且来自多个位置。虽然许多企业尝试自助迁移和云数据管理，但依然有数据团队难以提高效率，并消除冗余或手动验证步骤。
现代数据集成方法应用业务术语表和机器学习功能，来自动化数据发现。使用人工智能，现代数据目录可以验证业务规则，快速评估整个企业的关键质量指标。人工智能使数据目录能够快速对结构化、半结构化和非结构化数据进行分类。

自动化编目流程

自动化编目流程可加快搜索速度，缩短洞察时间，同时满足严格的合规标准。无论流程是完全自动化，还是涉及一定程度的DataOps管理，结果都必须是全面的。数据团队最不想做的事情就是将不完整的数据集迁移到Snowflake、MongoDB、AWS、Azure或GCP。

自动化可从数据管道层面实现显著的灵活性。通过充分管理数据管道，公司可以将数据移动到需要工作负载的任何地方——无论是本地还是混合云。混合云可以提供出色的性能和业务灵活性，尤其是使用容器，可以实现无需人工干预即可自动转移工作负载和数据流。

最后，自动化还可以减少不必要的云支出，使企业能够优化存储和配置成本。只有当数据团队在最具成本效益的平台上转移和运行数据工作负载时，混合云才能提供重大价值。数据目录可以提供帮助。要了解有关此主题的更多信息，并进一步了解Hitachi Vantara的解决方案，请访问此网站。

相关内容

• 推动数据发现和可靠性，实现更好的业务决策