共计 2423 个字符，预计需要花费 7 分钟才能阅读完成。
在治理混合云和多云环境时，有很多抉择，但没有捷径可走，也会面临一些挑战。
尽管云计算曾经以某种模式呈现了十多年，但从公有、本地或公共地位治理其以后企业迭代的工具仍在疾速倒退。Gartner 示意，包含 IBM/Red Hat、VMware、CloudBolt、Flexera、Scalr、Cisco 和 Nutanix 在内的 90 多家供应商提供不同水平的云治理性能。
VMware 云治理业务部产品营销副总裁 Roy Ritthaler 示意，尽管有很多抉择，但企业很难无效地治理多云环境。
Ritthaler 示意，“因为工作负载部署在多个公共云、多云 Kubernetes、公有云 / 数据中心和边缘地位，大多数企业发现很难对立理解其环境的健康状况以及治理老本、确保安全性和改善经营治理，同时实现外围流程自动化。”
这不仅是技术挑战，也是人员和流程的挑战。不足对立的供给工具、孤立的经营可见性、不足整体性能和老本洞察力以及互操作性和集成问题意味着孤立的资源、扩散的团队和管理工具的扩散。波及多个角色——IT 经营、DevOps/ 开发人员、财务和业务线 (LOB) 领导者——在企业采纳云模型时须要宽泛的培训、合作和流程变更。
IDC 钻研发现，大多数企业预计他们将须要全新的多云管理工具来满足他们新兴的业务和基础设施经营需要。
“随着开发人员和业务组施行最合乎其应用程序和业务翻新路线图的云服务和工具，而对企业偏好的思考无限，多云架构正在引入新一波的治理复杂性。容器、微服务和 Kubernetes 的引入进一步减少了复杂性。”IDC 示意。
据 IDC 称，将来两年，企业决策者预计将优先投资于剖析、性能监控和报告、容量优化、老本治理以及自动化和自助服务，以加强多云和治理的治理能力。
这些管理工具严密相连。老本决策必须依据容量需要和应用程序性能进行决策。
企业也对逾越不同云提供商的利用程序开发密度感到焦虑。
企业治理协会（Enterprise Management Associates）的一项钻研表明，有 2316 个与 AWS、Azure 和 Google Cloud 相干的 Python 库，开发人员每天下载大概 1300 万次到 112 个不同的（次要是基于 Linux 的）操作系统。
“尽管单个我的项目通常位于单个云的边界内，但 EMA 也看到越来越多（约 10%）的我的项目逾越多个云。微服务的快速增长加剧了这一趋势，同时强调了开发人员和 IT 运营商迫切需要对立的治理和管理层，以同时为优化公布效率和经营可靠性做出奉献，”EMA 示意。
如此宽泛的我的项目导致许多客户寻求帮忙来治理跨多个环境的工作负载，这须要多个控制台和工具。
随着企业治理多云环境以及控制台和工具数量的增长，遇到来自孤立数据的挑战是很常见的，这是将运行在遗留零碎上的应用程序迁徙到不同的云环境中不可避免的常见副作用。
依据 IBM 的钻研，随着企业将断开连接的数据从一个云迁徙到另一个云以供各种应用程序应用，他们常常会遇到性能问题，并且老本会显著减少，甚至高达 300%。
局部用户也会埋怨多云服务，称因为云之间的数据传输和 IT 人员减少，使他们的老本大幅减少。
1、在云之间取得对立的视图
随着企业迁徙到多个云，他们很快发现每个云提供商都是举世无双的，这减少了治理这些环境的挑战，例如网络架构、性能和规模，这为客户在云中操作和给数据中心和校园网络等现有环境带来了经营挑战。
以 Arista 为例，该公司提供 CloudEOS 和 CloudVision 软件，这些软件反对公有云或公共云之间的网络连接和治理性能。
借助 CloudEOS，客户能够应用针对所有网络形象的统一操作模型来操作多个公共云——应用它们用来操作现有数据中心和园区网络的雷同运行手册和流程。“CloudEOS 遥测技术与 CloudVision 相结合，可提供给客户多云网络网络状态的工夫序列存储和剖析，这让客户能够回过头来查看问题产生的起因和形式，并缩小复原经营的工夫，同时对初始故障检测进行疾速的根本原因剖析。”
在老本方面，独自的 Arista 产品 – CloudEOS Edge – 反对网络边缘的动静门路抉择，容许客户为应用程序调配门路以升高数据传输 / 同步老本。通过跨数据中心、园区和多个公共云的对立 EOS 和 CloudVision 部署，客户能够反对和治理他们的多云策略，而不会将他们的团队规模扩充太多或影响他们的估算打算。
2、故障排除
在治理多云环境时，企业面临的另一个问题是辨别应用程序性能问题和网络问题。
企业往往很难精确预测新配置的云服务对网络的影响。
其实，IT 和 DevOps 团队能够一起工作，应用共享词汇来查明应用程序进化的根本原因，被动实时预防问题，设置策略，并主动响应以解决本地或云中的应用程序问题。
因为不足信息和可见性，大多数企业发现在公共云中排除网络问题十分艰难，尤其是在故障排除须要数据包级别的可察看性时，应用程序和网络 IT 人员一起工作，使多云工作更无效，但目前大多数企业还没有做到这一点。
3、来自 AI/ML 的帮忙
将来自物理本地部署和多个云的数据拼接在一起并对其利用剖析是一项挑战，但这是治理这种环境的要害。
局部提供机器学习和人工智能驱动的云治理平台，能够简化网络基础设施设施的入职、配置、监控、治理、故障排除、报警和报告。
在多云环境中，在本地和跨多个云环境中同样运行良好的解决方案是取得全面可见性和打消孤岛的要害。局部解决方案测量应用程序的可用性和性能，自动化操作以疾速从应用程序或网络性能问题中复原，并提供可见性和工具来诊断和修复问题，免得影响经营或最终用户对应用程序环境的体验。
当然，治理多云世界还面临其余挑战。
企业须要使员工具备治理多供应商产品的技能。数据格式和 API 是不同的，企业须要一个可能了解所有这些事件的团队。
IDC 示意，容器、微服务和 Kubernetes 的引入进一步减少了复杂性。
从多云治理组合中取得收益须要企业做出衡量和策略投资选择。在疾速倒退的技术环境中，很难齐全预测新流程、办法和工具的影响。