通过现代数据管理技术，如容器应用和 Kubernetes，组织可以更充分地利用其数据来实现创新和增长。
译自 Unlock Data’s Full Potential with a Mature Analytics Strategy 。
在过去的十年里，企业已经利用“大数据”的力量开启了新的可能性，并增强了他们的分析能力。今天，这些企业必须加速这些能力的发展，超越对分析的实验性尝试，朝着成熟的投资和能力迈进，否则就会失去竞争优势。
成熟的数据分析策略对于从数据中获取最大价值至关重要，但许多组织在这方面遇到了困难。根据 Forrester 的数据，尽管数据收集呈指数级增长，但大约有 73% 的企业数据未被用于分析。这意味着仅有四分之一的数据被有效利用以获得有价值的洞见。采用现代技术，如容器化存储能力，可以帮助领导者更好地掌握他们的数据，并从中获取可行的见解，真正推动业务增长。
传统的分析架构妨碍创新
今天的软件应用程序需要在全球范围内应对百万级用户的需求，同时在多个平台和环境上运行。它们还需要提供高可用性，以使企业能够创新并应对不断变化的市场条件。传统平台是在普遍快速存储和网络基础设施之前设计的，对于希望领先于竞争对手的组织来说，这带来的挑战多于解决方案。
当我与使用传统部署模型的 IT 领导人交谈时，我听到的头号抱怨是需要太多的工作来支持索引层上的数据，这导致了操作效率的降低。可能需要数小时、数天甚至数周来进行软件更新、补丁和扩展硬件以支持增长。这反过来会影响优化，因为在规模化团队受到挑战的情况下，难以满足不断增长的组织需求。
此外，传统架构需要多份数据副本，这显著增加了计算和存储需求。在分布式架构中增加存储时，无论组织的需求如何，都会增加计算量，从而影响整体利用率和成本控制能力。
最后，在不同存储层次之间存在性能能力的差异，存在查询响应时间较慢或搜索结果不一致的风险。这可能会妨碍数据分析的速度和准确性。成熟的分析策略积极应对这些挑战，以提供操作效率、加速创新和降低业务成本。
容器化现代分析负载的理由
管理现代数据不仅仅依赖于云架构的能力。容器化可以无缝集成到云基础架构中，以支持现代分析工作负载。想象一下，在虚拟环境中运行应用程序，而不需要庞大的虚拟化程序资源要求。通过将软件封装成虚拟的自包含单元，这正是容器可以做到的。
容器化应用程序提供更高的性能，并且可以从一个计算环境可靠地运行到另一个计算环境。更多的应用程序实例可以提供更高的总体性能，存储方法的可移植性使组织能够根据需求扩展存储容量，实现集中的镜像管理、快速部署和弹性。
有趣的是，容器化应用程序还可以帮助提高 CPU 利用率。在测试中，我们发现容器化应用程序的利用率可以高达 60%，而裸机应用程序模型仅为 17%。将容器化与高性能存储解决方案配对，组织可以在数据量增加时实现更大的灵活性和更快的响应。
Kubernetes 在释放敏捷数据管理方面的作用
像 Kubernetes 这样的容器编排平台提供了强大的工具，用于在规模化环境中管理和编排容器化应用程序。通过 Kubernetes，平台和 DevOps 团队可以轻松在容器化或虚拟机格式的任何基础架构上部署和运行数千个应用程序，并可以以更低的运营成本运行。
但要充分发挥像 Kubernetes 这样强大的应用平台的好处，用户需要同样强大的数据平台来完成解决方案。Portworx 数据平台提供了自动化和声明性存储提供、卷管理、高可用性和数据复制、数据保护和备份、业务连续性和灾难恢复、安全性以及强大的成本优化和管理等先进功能。这些功能使组织能够有效地管理和控制分布式云环境中的数据存储，确保数据的可用性和灵活性。
在使用 Kubernetes 进行容器化存储时，需要考虑一些因素，以确保组织的成熟分析策略得到优化和敏捷。首先，使用 Kubernetes 操作员可以通过自动化和简化复杂任务来进一步增强存储能力。
同时，在数据服务层和存储层都建立高可用性也非常重要，因为在 Kubernetes 环境中依赖单一实例可能存在风险。最后，了解组织的数据服务是否可以进行横向或纵向扩展，将允许 IT 团队在需要时选择最佳解决方案来增加容量或计算能力。
拥有成熟的分析投资的组织在各个方面都取得了更大的业务成果，从客户体验和战略到产品创新。通过现代数据管理，如容器应用程序和 Kubernetes，组织可以更充分地利用其数据来实现创新和增长，更重要的是，增加销售。
