- Kubernetes云原生數據管理
- (美)Jeff Carpenter(杰夫·卡彭特)等
- 1196字
- 2024-05-11 18:18:55
譯者序
隨著科學技術的深入發展,信息數字化技術已經成為社會經濟發展的生產力,深入國民經濟和社會發展的方方面面,促進了企業創新、提高效率、贏得市場。云原生技術作為數字技術的基礎,經過十多年的發展,已趨于成熟,成為企業數字化建設的基石,被金融、制造、互聯網、政務等行業的眾多用戶采用。在提高信息資源利用率、加快企業業務創新和迭代等方面,云原生技術為企業提供了更具彈性、更加健壯的業務系統,幫助企業更好地應對不斷變化的市場競爭和客戶需求。
計算、網絡、存儲是信息技術的三大核心內容,也是云原生領域的三大核心技術領域。經過長期的演進和迭代,云原生計算領域和網絡領域都有了長足的發展,也在很多企業用戶的核心生產環境中得到了驗證,但是云原生存儲領域的發展相對滯后。一方面,在虛擬化主導的技術體系和存儲產品中,數據存儲的安全性和可靠性是有保障的,企業不敢也不愿意貿然地將數據遷移至相對不太成熟的云原生平臺上。另一方面,各大存儲廠商對Kubernetes云原生技術的投入相對不足,導致云原生平臺無法提供滿足企業存儲數據所需的各種安全和保障技術。
隨著以Kubernetes為核心的云原生技術在市場上被越來越多的用戶認可,各個存儲廠商和相關企業加大了投入,這促使Kubernetes社區的sig-storage工作組加快了云原生存儲標準的制定、引導了云原生存儲系統的發展。其主要呈現在3個方面:一是制定了Kubernetes上的存儲標準,結束了以前各自為營的混亂局面,統一了存儲系統接入Kubernetes的方式和接口。二是不斷完善存儲標準,以覆蓋存儲技術的核心能力,為用戶存儲數據提供全面的保障,同時將大多數的傳統商業存儲產品很方便地運用到Kubernetes上,形成了統一的云原生平臺。三是孵化各種以Kubernetes為基礎的云原生存儲系統,如OpenEBS、Longhorn、Rook-Ceph等。這種存儲系統是生在長在Kubernetes上的,充分地利用了Kubernetes的基礎能力。此外,還提供了如HwameiStor這樣的高性能、自動化運維的云原生本地存儲開源項目(見網址列表條目[1]),可以供用戶免費使用。
目前,對眾多企業用戶來說,如何降低使用云原生存儲技術的門檻,如何更系統、全面地學習和使用現有平臺的存儲能力,如何更好地把握技術發展方向并做好規劃,如何全面地了解由云原生存儲能力發展衍生的各種存儲系統等,都是亟待解決的問題。本書圍繞云原生數據基礎設施:持久化、流式傳輸與批量分析,通過Kubernetes管理數據存儲,打造Kubernetes數據庫,通過Helm在Kubernetes上自動部署數據庫,通過Operator自動管理Kubernetes數據庫,在Kubernetes上集成數據基礎設施,Kubernetes原生數據庫,Kubernetes數據流式傳輸,Kubernetes數據分析,機器學習及其他新興用例,將數據工作負載遷移到Kubernetes上這11個方面展開講解,層層遞進,深入淺出,并結合實踐。相信不同的讀者會有不同的解讀。
在此誠摯地感謝「DaoCloud道客」的吳慧、要海峰、趙燕寧、朱虹、孫亮等同事為翻譯本書做出的努力。雖然譯者們在翻譯本書時力爭達到內容準確和語句流暢,但受限于時間和自身水平,還有不足之處,歡迎廣大讀者批評指正。希望每位讀者都能通過閱讀本書有所收獲,祝閱讀愉快。
「DaoCloud道客」HwameiStor開源團隊
2023年6月
- 云數據中心基礎
- 基于OPAC日志的高校圖書館用戶信息需求與檢索行為研究
- 科研統計思維與方法:SPSS實戰
- 云數據中心網絡與SDN:技術架構與實現
- Instant Autodesk AutoCAD 2014 Customization with .NET
- 跨領域信息交換方法與技術(第二版)
- Google Cloud Platform for Developers
- Unreal Engine Virtual Reality Quick Start Guide
- 企業級大數據項目實戰:用戶搜索行為分析系統從0到1
- ORACLE 11g權威指南
- 數據庫原理及應用實驗:基于GaussDB的實現方法
- Hands-On Java Deep Learning for Computer Vision
- Kafka權威指南(第2版)
- 敏捷數據分析工具箱:深入解析ADW+OAC
- SQL應用開發參考手冊