תבניות לשימוש ב-Active Assist בהיקף נרחב
המאמר הזה הוא החלק הראשון בסדרה שבה מוצגים דפוסי ארכיטקטורה שארגונים יכולים להשתמש בהם כדי לבצע אופטימיזציה של השימוש בענן בקנה מידה גדול באמצעות Active Assist. המסמך הזה מיועד לאנשים בתפקידים הבאים:
- אדריכלים של ארגונים
- לידים מהנדסה
- אנשים שעובדים באבטחה ויוצרים אוטומציה כדי לשפר את אבטחת הענן, הביצועים והניהול
במסמך הזה נדון בנושאים הבאים:
- היתרונות של שימוש ב-Active Assist בארגון.
- האתגרים שארגונים עלולים להיתקל בהם כשהם מאמצים את Active Assist בהיקף ארגוני.
- איך מעצבים צינורות עיבוד נתונים לאוטומציה באמצעות Active Assist.
הסדרה מורכבת מהחלקים הבאים:
- תבניות לשימוש ב-Active Assist בהיקף נרחב (המסמך הזה)
- שימוש בצינורות (pipelines) ללא שרת עם Active Assist
- שימוש בשרשרת הכלים של GKE Enterprise עם Active Assist
Active Assist
Active Assist הוא חבילת כלים שמשתמשים בנתונים, בבינה מלאכותית ובלמידת מכונה כדי לצמצם את המורכבות של הענן ואת עבודת הניהול, וכך לעזור לארגונים לייעל את האבטחה, הביצועים, יכולת הניהול והעלות של הענן.
ארגונים רבים מחויבים להבטיח שהעיקרון של הרשאות מינימליות יחול על היישומים והתשתית העסקית שלהם. בנוסף, ארגונים רוצים למזער את בזבוז המשאבים ולמקסם את הביצועים של האפליקציות העסקיות, וגם לצמצם את העבודה והעלויות האדמיניסטרטיביות. כתוצאה מכך, מחלקות IT נתונות לעיתים קרובות לבדיקה וללחץ לעמוד בדרישות האלה במהירות וביעילות. הכלי Active Assist מספק להם כלים שיכולים לעזור להם להשיג את היעדים האלה.
אופטימיזציה של הענן לארגונים
עומסי העבודה, התשתית, צורכי האבטחה והתהליכים הם ייחודיים לכל ארגון, ולכן צריך להתאים את אסטרטגיות האופטימיזציה בענן לצרכים הספציפיים שלכם.
במסגרת המסמך הזה, אסטרטגיות האופטימיזציה של השימוש ב-Google Cloud מתמקדות בדרכים שבהן אפשר להשתמש ב-Active Assist Portfolio כשמתכננים ומעצבים אסטרטגיות אופטימיזציה.
הגדרת חזון והבנת הגורמים המניעים
חשוב שארגונים יגדירו את הבעיות שבהן הם רוצים להשתמש כדי לקבל מידע שיעזור להם לגבש את הגישה שלהם לאופטימיזציה של הנוכחות בענן. אלו כמה בעיות נפוצות:
- אבטחה
- ביצועים
- הוזלת עלויות
- Agility
יעדים של ארגונים
כשמתחילים לתכנן צינור אוטומציה להמלצות של Active Assist, כדאי להתחיל בהגדרת היעדים של הארגון והקצאת עדיפויות לכל יעד. לאחר מכן, תוכלו למפות את סדרי העדיפויות האלה לתוכנית פעולה להשקה ולהרחבה של Active Assist בארגון שלכם. Google Cloud
לדוגמה, חברה יכולה להשתמש בהמלצות של Active Assist כדי לשפר את האבטחה ולבצע אופטימיזציה של העלויות. עם זאת, יכול להיות שהארגון יבחר בהתחלה להשקיע בבניית צינור אוטומציה להמלצות שקשורות לאבטחה ש-Active Assist יוצר. בשלב מאוחר יותר, כשהארגון יצבור יותר ניסיון בשימוש בחבילת Active Assist ויתקדם בתהליך האוטומציה, הוא יוכל להפעיל אוטומציה של סוגים אחרים של המלצות, למשל התאמת גודל מכונות וירטואליות והמלצות לגבי מכונות וירטואליות לא פעילות.
תכנון אסטרטגיה
בארגונים צריך להיות תהליך מוגדר בבירור לבדיקה של ההמלצות ש-Active Assist יוצר וליישום שלהן. מומלץ להשתמש בגישה מדורגת שמשלבת מידה הולכת וגוברת של אוטומציה בצורה מדודה. הנה גישה איטרטיבית שארגונים יכולים לאמץ כשהם מטמיעים את Active Assist בארגון Google Cloud שלהם:
- שלב ראשון:
- בדיקת ההמלצות של Active Assist במסוףGoogle Cloud .
- ייצוא ההמלצות אל BigQuery.
- שלב שני:
- שימוש ב-Recommender API.
- שלב שלישי:
- שילוב של בדיקת ההמלצות בצינורות DevOps.
הגישה הזו מאפשרת לכם לשלב יותר אוטומציה באופן איטרטיבי בצינורות ההמלצות של Active Assist.
שלב ראשון: בדיקת ההמלצות של Active Assist במסוף Google Cloud
בשלב הראשון, בודקים את ההמלצות של Active Assist במסוףGoogle Cloud באמצעות Active Assist. אתם משתמשים בגישה מבוססת-מסוף כדי לבדוק את ההמלצות וליישם אותן. הגישה הזו עוזרת לכם להכיר את ההמלצות של Active Assist ולבדוק אם הן מתאימות לכם. הוא גם עוזר לכם להחליט באילו קטגוריות של המלצות כדאי להתמקד. כפי שמוצג בתמונה הבאה, Active Assist מאפשר לכם לבדוק את ההמלצות לכל קטגוריית משאבים שיש לגביה המלצות, ולעיין בפרטים הרלוונטיים לכל משאב בקבוצה.

צוותים ב-Enterprise יכולים לייצא המלצות ל-BigQuery. ייצוא המלצות אל BigQuery מאפשר לכם לבדוק המלצות בהיקף נרחב בכל הארגון. בנוסף, תוכלו להריץ שאילתות בתחומים ספציפיים שמעניינים אתכם בארגון. אפשר גם ליצור לוח בקרה כדי לעזור לצוות שלכם לראות ולנהל את ההמלצות בצורה טובה יותר.
שלב שני: שימוש בממשקי Recommender API
בשלב השני, משלבים אוטומציה עם בדיקות ואימותים ידניים כדי ליישם את ההמלצות שנוצרו על ידי Active Assist. הגישה הזו עוזרת לכם להשיג גמישות. בנוסף, תוכלו להפיק את המרב מההמלצות שהמערכת יוצרת בקנה מידה נרחב, תוך שמירה על שליטה מלאה באופן היישום של ההמלצות.
במאמר הזה מוסבר איך אפשר ליישם את הגישה הזו באמצעות צינורות Serverless עם Active Assist.
שלב שלישי: שילוב המלצות בצינורות DevOps
בשלב השלישי, משלבים את בדיקת ההמלצות בצינור ה-DevOps. אתם יכולים להוסיף ניהול וניתוח של המלצות לצינור ה-DevOps, וכך לייעל את התהליך של ניהול המשאבים וההמלצות. הגישה הזו מאפשרת גם לפתח תהליך אישורים שאולי הצוותים שלכם כבר משתמשים בו כחלק מתהליך האינטגרציה הרציפה והפריסה הרציפה (CI/CD). השלב הזה מסתמך יותר על אוטומציה ועל ניתוח המלצות מבוסס-קוד מאשר השלב השני.
הגישה הזו דורשת השקעה ראשונית של מאמץ בפיתוח מסגרת האוטומציה, ולכן מומלץ להטמיע את השלב הזה רק אחרי שגיבשתם אסטרטגיית DevOps מבוססת.
אחרי שמגדירים אסטרטגיה להטמעה של Active Assist, השלב הבא הוא להוציא לפועל את הגישה השלבית.
המאמרים הבאים
- כאן אפשר לקרוא איך Active Assist יכול לעזור לכם לבצע אופטימיזציה של משאבי Google Cloud .
- מידע נוסף על CI/CD מודרני עם GKE
- כך אפשר להשיג גישה עם הרשאות מינימליות באמצעות כלים לבקרת מדיניות.
- שימוש ב-IAM Recommender כדי להחיל את העיקרון של הרשאות מינימליות על מספר רב של משתמשים