如何在新冠疫情时期建立强大的网络?
对于任何组织来说,即使是在最佳时机,也都面临着保持弹性网络,将故障和停机时间降至最低限度的挑战,但当前的冠状病毒大流行进一步加剧了这些挑战。由于对数据中心、边缘和主机托管站点的访问受到严格限制,持续的大流行和随之而来的封锁使企业比以往任何时候都更加难以让工程师到现场来修复和解决问题。
迫切需要网络弹性
尽管COVID-19的大流行带来了巨大的挑战,但它也突显了快速有效地解决它们的重要性。通过提高企业网络的风险,新冠疫情大流行病告诉我们,对于任何IT业务连续性计划,高可用性都应被视为关键任务。毕竟,如果为员工提供服务并允许他们这样做的公司网络突然变得无法访问,那么使员工能够在家工作的意义何在?
在这种情况下,所需要的是一种能够提供真正弹性的网络,换句话说,该网络有助于将修复所有问题的平均时间降至最低,同时保持所有关键任务应用或服务的正常运行,最大限度地减少停机时间。在大流行中,实现这一目标变得更加困难,因为企业在更广泛地将IT和工程设计移至同一地点或办公室所面临的困难。
即使对于像重启设备或应用安全补丁之类的简单任务,通过带外管理(OOB)进行远程访问也是关键。 OOB近年来取得了长足的进步,从仅提供纯粹的被动式紧急访问以使组织步入正轨,到通过网络运营(NetOps)工作流程,业务流程和自动化,提供更具主动性的方法来增强网络弹性并增强交互式网络管理。
这种方法正在迅速扩展,这将成为这场大流行及其后的关键。当主网络断开时,它有助于为位于远程站点的设备提供替代路径,并有助于访问边缘基础结构以确保业务连续性。
建立更强大的网络
因此,鉴于上述情况,企业如何才能像今天所经历的那样,在危机时期以更加精确的方式建立一个更具弹性的网络?结合最新的智能带外和NetOps工具,企业可以在第一天配置和设置系统,通过网络运营中心(NOC)安全地配置新位置,而无需派遣工程师前往站点,甚至在建立WAN网络之前。为此,可以使用工具来自动化和协调NetOps工作流程。
这有效地意味着组织可以将设备运送到站点,并使用Smart OOB通过安全的蜂窝连接快速启用站点,从而可以就地远程配置和调试设备。对于许多实施新边缘部署的公司而言,这可以节省大量成本,尤其是那些试图做到这一点的公司。然后,在部署之后,如果出现问题,导致与生产网络的连接丢失,并且无法立即解决,则可以保持组织连续通过安全的OOB蜂窝连接传递任何关键任务网络流量的业务连续性。
但是,带外和NetOps的结合不仅仅是第一天的预配置和远程修复。组织还可以使用该方法通过安全网关提供的始终在线访问在正常操作期间提供有弹性的持续网络管理。
此外,使用单独的管理平面解决方案可使组织安全地监视和访问所有设备,而不会影响正常操作。这就是我们所谓的“虚拟手”方法。可以快速有效地诊断问题;然后,如果在远程站点上以及何时发生问题,工程师将收到警报,然后能够主动从他们的家庭办公室“去”该设备,而不必坐上汽车或乘飞机—这是非常重要的好处在当前的危机中。
组织需要访问和管理的中心点来实现网络弹性或“单一面板”,以提供对整个网络的完全可见性和控制力,并提供关键事件的实时警报以及对这些事件进行远程修复的方法。它还可以通过带外路径提供安全连接,并且可以充当NetOps自动化和编排功能的引擎。
寻找现在与未来的解决方案
从今天的情况来看,随着我们继续应对COVID-19危机,很明显,企业需要一种基于OOB和NetOps的方法。借助始终处于活动状态的管理,组织可以安全地配置、监视和修复其基础设施。他们可以在停机期间解决业务问题,同时保持业务正常运行,然后能够在网络边缘使用NetOps自动化和工作流,从而消除重复任务中的错误并提高数据中心和边缘的效率。
随着时间的流逝,我们还看到机器学习和AI被越来越广泛地用于进一步增强网络弹性。旅程实际上才刚刚开始,在许多方面,我们现在仍在加速。但是,如今已经具备了开发真正具有弹性的网络基础设施的能力和技术,采用该技术的企业可以确保,即使在当前的困难时期,无论未来可能带来什么挑战,他们都可以构建、管理和维护并非如此的网络。不仅具有更高的可扩展性和安全性,而且还支持持续的业务连续性。
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击