第三种解决方案尝试使用批处理分析来解决问题（如果您还没有掌握前两种方法的速度，请查看我以前关于手动方法和基于规则的方法的文章）。他们从一个时间点获取一个数据集，然后对数据集进行复杂的分析，以得出遗产的最佳结果。这些解决方案的问题是，它们只考虑堆栈的单个层，通常是IaaS层，并且结果分析是基于历史数据的每个VM。为什么在使用批处理分析时会出现问题？实际应用程序性能不断变化时间到了确保应用程序性能您不能依赖于一周或一个月只运行一次的分析过程。如果一个虚拟机缩小了规模，但是对虚拟机资源的需求增加了，那么批处理分析工具最多需要几天的时间来做出反应并重新调整资源。大多数使用此类工具的组织都被迫调整历史峰值，以降低应用程序性能下降的风险。当资源在第二时间或每分钟支付时，这种过度配置可能会很快变得非常昂贵。要更深入地解释为什么单独使用历史数据不能保证性能，请参阅Eric Wright的一篇精彩文章。总之这些方法，微信返利机器人安全吗，在几乎每一个场景中，都会损害应用程序的性能而有利于提高效率，而且两者都不能保证。我们从越来越多的企业了解到，虽然这些方法有助于开发和测试工作负载，数据分析，但随着它们开始将生产工作负载转移到云端，这些方法已经不够了。要真正弹性地管理混合或多云资产，而不影响效率或性能，您必须考虑：整个应用程序堆栈：从负载平衡器到基础设施，以及它可以提供的性能（是的，即使在云中）。多维度：超越内存和CPU，关注应用程序为交付SLA而消耗和需要的所有资源。实时变化：应用程序对资源的需求实时变化，并且每秒钟的分配与需求不匹配，要么应用程序性能受到影响，物联网智能水表，要么您为不需要的资源付费。此外，云提供商不断发布新产品，很难跟上。统一方法：一个单一的决策引擎，将整个产业推向单一的理想状态。使用不同的分析方法驱动RI购买和实例大小可能会产生冲突，对两者都采取行动可能弊大于利。整体方法：在做决定时，要观察整个产业，了解对所有组成部分、所有实例的影响，以及改变环境的成本。法规遵从性：在执行上述所有操作的同时还要维护重要的法规遵从性用例，大数据推荐，例如跨多个可用性区域和区域的应用程序可用性、围绕数据主权和地理边界的位置和位置强制执行，等等。只有具备以上所有条件，大数据支持，您才能提供值得信赖的行动来解决这些挑战。