在多云世界中进行优化

2024年多云世界中的优化：云操作专业人士的见解

核心观点与关键数据

• 多云与Kubernetes的普及：74%的受访者采用多云环境，81%已采用Kubernetes。多云部署主要出于战术原因（55%），而非战略可靠性（45%）。Kubernetes在52%的生产环境中得到应用。
• 优化方法：93%的受访者面临云基础设施优化挑战，其中50%为性能问题。DevOps（75%）是最广泛采用的优化方法，其次是可观察性（44%）、容器安全与合规（41%）和平台工程（39%）。
• 持续优化不足：仅33%的企业持续优化云资源，53%每季度或更少频率优化。
• 自动化水平低：仅18%的企业环境“高度自动化”，25%为“最小”或“无自动化”。63%使用手动方法管理工作负载变化。
• 自动化挑战：云环境的复杂性（56%）和技能不足（53%）是实施自动化的主要挑战。
• 工具选择民主化：64%的IT运维、47%的DevOps和35%的平台团队负责选择自动化工具，仅45%由技术领导层选择。
• 自动化收益：96%的企业从自动化投资中获益，主要收益包括：提升可靠性和正常运行时间（64%）、成本节约（58%）、加快部署时间（56%）。
• 商业工具投资：仅35%的企业在监控和28%的优化中使用第三方商业工具，但投资回报显著，67%的商业工具用户报告成本节约。
• AI/ML的应用：57%的企业使用AI/ML优化云基础设施，其中45%用于预测性资源扩展。
• Kubernetes成本优化挑战：46%的企业面临过度配置问题，其他挑战包括实例/VM管理困难（45%）、复杂定价模型（42%）和资源未充分利用（42%）。

研究结论

• 多云和Kubernetes的普及带来了管理复杂性，企业需采用DevOps等优化方法应对。
• 自动化和持续优化仍处于发展阶段，企业需提升自动化水平以实现成本节约和效率提升。
• 工具选择民主化趋势下，企业需关注工具标准化和商业工具投资回报。
• AI/ML在云优化中的应用潜力巨大，但需克服技能和经验不足的挑战。
• Kubernetes成本优化需解决过度配置、资源管理和定价模型等问题。

参与企业规模与角色分布

• 公司规模：100-500人（8%）、500-1,000人（14%）、1,000-5,000人（28%）、超过5,000人（50%）。
• 角色：云操作或基础设施（49%）、DevOps（19%）、平台工程（12%）、IT工程（21%）、其他（9%）。