Darunter versteht man den Einsatz von Cloud-Technologien zum entwickeln von Anwendungen und Daten für Kunden an verschiedenen Standorten.
Manchmal müssen Sie Cloud-Services auf bestimmte Orte verteilen. Gründe hierfür können eine bessere Performance oder gesetzliche Vorschriften wie die DSGVO sein.
Über Distributed Cloud Computing lassen sich Daten, Rechen- und Netzwerkressourcen entsprechend den Anforderungen Ihrer Kunden vollständig verwalten und optimal dezentralisieren.
Bei diesem Cloud-Computing-Modell ist die Infrastruktur auf mehrere geografische Standorte verteilt.
Sie profitieren von besserer Performance und erfüllen gleichzeitig gesetzliche Anforderungen.
Viele Unternehmen verfügen derzeit noch nicht über die erforderlichen Kontrollmechanismen, um ein Distributed-Cloud-System zu überwachen.
Distributed-Cloud-Systeme werden von Plattformen genutzt, die Inhalte bereitstellen, z. B. Netflix oder Spotify. Aber auch für IoT-Anwendungen ist das Modell besonders gut geeignet.
Beschreibung
Bisher zeichneten sich Cloud-Modelle dadurch aus, dass Anwendungen von physischen Rechenzentren in eine zentrale Cloud verlagert wurden. Das Distributed-Cloud-Modell sieht durchaus Vorteile darin, cloudbasierte Anwendungen und Datenquellen an bestimmten geografischen Standorten bereitzustellen. Das kann aus Performance- oder ordnungspolitischen Gründen erfolgen.
Beim Distributed Cloud Computing behält Ihr Cloud-Anbieter die Verantwortung für Betrieb, Governance und Updates der Lösung. Allerdings stellt er Dienste an verschiedenen Standorten bereit und nicht zentralisiert. Dadurch lässt sich die Performance zeitkritischer Anwendungen verbessern. Unter Umständen sind Sie aufgrund von gesetzlichen Vorschriften auch verpflichtet, Kundendaten an bestimmten Orten zu speichern.
Vorteile
Beim Distributed Cloud Computing profitieren Sie von der dynamischen Skalierung und können Kapazitäten und Rechenleistung wie gewünscht anpassen. Außerdem lassen sich Rechenleistung und Speicherplatz an die Orte verlagern, an denen sie benötigt werden.
Das ist ein entscheidender Vorteil, wenn Sie Anwendungen nutzen, bei denen geringe Latenzen oder Durchlaufzeiten unternehmenskritisch sind. Das Modell ist auch geeignet, wenn Ihr Unternehmen den EU-Vorschriften zum Datenschutz unterliegt, Sie also Kundendaten an bestimmten Orten aufbewahren und verarbeiten müssen.
Trade-offs
Die Umstellung auf die Cloud führt infolge der verteilten Systeme zu mehr Komplexität. Wenn Anwendungen in physischen Rechenzentren ausgeführt werden, ist die Fehlerbehebung relativ einfach. Sind sie aber auf mehrere virtuelle Systeme in der Cloud verteilt, gestaltet sich die Verwaltung etwas schwieriger. Und in einem Distributed-Cloud-Modell wird das Ganze noch komplexer.
Viele Unternehmen sind noch nicht so weit, Distributed-Cloud-Modelle effektiv einzusetzen, da der Großteil ihrer Legacy-System nicht für die Cloud entwickelt wurden. Es ist zeit- und kostenintensiv, Anwendungen mit einer unterschiedlichen Architektur und Plattform neu aufzusetzen. Wer diese Aufwände scheut, wird auf dem Weg zur Distributed Cloud mit zahlreichen Hindernissen rechnen müssen.
Anwendung
Die ersten Distributed Clouds wurden von Streaming-Diensten wie Netflix, Spotify usw. genutzt. Über ‘Mini-Clouds’ an verschiedenen geografischen Orten konnten die Unternehmen die zuverlässige Bereitstellung von Inhalten für eine bessere Leistung und Benutzererfahrung ohne Verzögerungen oder Pufferung ermöglichen.
Das Modell wird außerdem für Anwendungen eingesetzt, bei denen keine Latenzen tolerabel sind, z. B. in Handelssystemen von Banken oder im Bereich autonomes Fahren.
Auch Unternehmen, die IoT-Lösungen bereitstellen, in denen anhand von unzähligen vernetzten Sensoren Betriebsanalysen durchgeführt werden, entdecken das Distributed Cloud Computing zunehmend für sich. Hier erfolgt ein Teil der erforderlichen Verarbeitung in der Nähe der Datenquellen, damit Entscheidungen in Echtzeit getroffen werden können.
Ähnliche Beiträge
Welches Thema sollen wir für Sie entschlüsseln?
Hinterlassen Sie Ihre E-Mail-Adresse und wir melden uns, wenn der Begriff decodiert wurde.