چرا ما هم به معماران ابر و هم به مهندسان ابر نیاز داریم

طراحی و توسعه مبتنی بر هوش مصنوعی هیجان انگیز است، اما جایگزین صدا، معماری مستحکم و مهندسی در ساخت و استقرار راه حل های مبتنی بر ابر نمی شود.

معماری ابری یک طراحی سطح بالا است که ساختار کلی و اجزای یک سیستم مبتنی بر ابر و نحوه ارتباط آن‌ها را با در نظر گرفتن مقیاس‌پذیری، در دسترس بودن، امنیت و عملکرد مشخص می‌کند. این تعریف می‌کند که چگونه خدمات و منابع ابری مختلف برای برآوردن الزامات تجاری یا فنی خاص یکپارچه شده‌اند. به عبارت بهتر، معماری ابر طرحی برای استقرار و سازماندهی منابع ابری ارائه می دهد. به اندازه کافی ساده

مهندسی ابر شامل پیاده سازی و اجرای عملی معماری ابر است. مهندسان ابر مسئولیت ساخت، پیکربندی، و مدیریت زیرساخت‌ها و خدمات ابری را بر عهده دارند تا اطمینان حاصل کنند که با طراحی معماری، از جمله مضامین هماهنگ هستند.

مهندسین ابر نیز آخرین حرف در مورد اینکه آیا چیزی کار می‌کند یا خیر هستند. بسیاری از ما در پروژه هایی بوده ایم که در آن فناوری انتخاب شده است که کارایی نداشته است. مهندسان باید این اختیار را داشته باشند که برخی از تصمیمات معماری را نادیده بگیرند تا به وضعیت نهایی بهینه تر برسند.

مهندسی بر جنبه‌های فنی و عملی راه‌اندازی و نگهداری محیط‌های ابری تمرکز دارد. مهندسان ابر با ابزارها و فناوری‌ها برای استقرار برنامه‌ها، بهینه‌سازی استفاده از منابع، خودکارسازی فرآیندها، و اطمینان از قابلیت اطمینان و امنیت زیرساخت ابری کار می‌کنند.

هم به معمار و هم مهندس نیاز داریم

این روزها، از آنجایی که هوش مصنوعی مولد بر مطبوعات فناوری تسلط دارد، کسانی که این وبلاگ و پادکست را دنبال می کنند اغلب می گویند که مهندسی دیگر یک رشته مورد نیاز نیست. به هر حال، اگر هوش مصنوعی بتواند بسیاری از کدگذاری های لازم را ارائه کند، باید بتواند مهندسی دقیق مورد نیاز را نیز ارائه دهد. درست؟ خیلی سریع نیست.

ما به یک رویکرد مشارکتی با هر دو رشته نیاز داریم. یکی بدون دیگری نمی تواند به درستی کار کند. برای مثال، من نمی‌توانم سیستم‌های مبتنی بر چند ابری را طراحی کنم که کاربردهای متفاوتی را برای سرویس‌های ابری مختلف در ابرهای مختلف تعریف کنند. گواهینامه های مهندسی در هر ابر و هر سرویس وجود دارد و این تخصص برای دریافت درست جزئیات لازم است. من می‌دانم که چگونه یک معماری امنیتی بسازم، اما نحوه استقرار آن در هر ارائه‌دهنده ابر سطحی از جزئیات است که معماران ابر معمولاً ندارند. و نباید. آنها از ژنرال کار می کنند. مهندسان هر سیستم را با استفاده از بهترین شیوه‌ها و رویکردها می‌سازند و مستقر می‌کنند. همچنین به همین دلیل است که نسبت معماران به مهندسان معمولاً یک به چند است: یک معمار برای بسیاری از مهندسان. من معمولاً حداقل ۱۰ تیم در استقرار خود دارم، بسته به کاری که انجام می‌دهیم.

چرا سردرگمی؟

من مطمئن نیستم که این روزها به خوبی درک شده باشد، و من می بینم که برخی از اشتباهات قابل توجهی رخ می دهد که ما به سرعت به سمت سرویس های ابری مبتنی بر هوش مصنوعی مولد می رویم.

بسیاری تصور می کنند که وظایف مهندسی ساده ترین بخش سفر به ابر است. به هر حال، اگر معمار ابر خوب باشد، پیکربندی باید کار کند، و فقط استفاده از ابزارهای هوش مصنوعی صدا برای اجرای استقرار است.

حتی بدتر از آن، برخی از شرکت‌ها فقط با مهندسان کار می‌کنند و مهارت‌های خاصی را استخدام می‌کنند. این شرکت ممکن است نام تجاری ابری را انتخاب کند و مهندسان امنیت، برنامه، داده ها و هوش مصنوعی را در آن پلتفرم ابری استخدام کند. آنها فرض می کنند که این پلتفرم ابری خاص، پلتفرم صحیح و بهینه شده است که معمولاً باعث ایجاد مشکل می شود. اوه، راه‌حل‌ها ممکن است کارساز باشند، اما ممکن است ۱۰ برابر بیشتر هزینه داشته باشد. جای تعجب نیست که این شرکت‌ها معماری بهینه‌سازی نشده‌ای دارند زیرا توجهی به معماری یا استفاده از معماران ابری نداشته‌اند.

هوش مصنوعی شما را از نیاز به یک معماری خوب و مجموعه ای از رشته های مهندسی نجات نمی دهد. شما به هر دو نیاز دارید و با توجه به پیچیدگی های هوش مصنوعی مولد، این نیاز اهمیت بیشتری پیدا می کند. من اغلب از این که این هنوز یک مفهوم گیج کننده است متعجب می شوم، اما کسانی که نمی دانند چگونه در این پیکربندی های سیستم و قابلیت های استقرار، چه در فضای ابری یا غیر ابری سخت گیری کنند، احتمالاً با یک راه حل نهایی روبرو هستند که حذف می کند، نه می افزاید، ارزش کسب و کار. می توان از آن اجتناب کرد.