F:
Vilka är några utmaningar med skalning i OpenStack?
A:Som ett populärt val med öppen källkod för distributioner har OpenStack vissa problem för företagsledare som avser att skala ett molnprojekt. Många av dem har att göra med OpenStacks öppen källkod, jämfört med egna plattformar.
En utmaning är "community support" eller "crowddsourced" karaktär av OS som ett open source-verktyg. Många CIO: er och CTO: er kommer att vilja ha något mer, något mått på förplaneringsförmågan som erbjuds av leverantörsprodukter som har mer långsiktig framtidsplanering.
I allmänhet kan alla projekt vara svåra att skala oavsett plattform, men en annan oro för vissa ledare är avsaknaden av stöd för uppgradering på plats i traditionella OS-miljöer. Det har i vissa fall inneburit behovet av att utföra kalla migrationer för att få ett projekt skalat.
En annan oro är bristen på redo för integration med vissa ledande offentliga molnsystem. OS kan vara svårt att anpassa till några av dessa alternativ och kan kräva mer manuell intervention. Återigen är det i linje med filosofin om öppen källkodsprodukter, som ofta är "mindre användarvänliga" än säljarprodukter. Med andra ord investerar leverantörerna i olika typer av användarteknik eller andra koncessioner baserat på de intäkter som de förväntar sig att få från försäljningen.
Många experter hänvisar till skalning som en nyckelflampunkt med OpenStack. Det är idén att skapa och genomföra projektet är ett steg, och att skalning är ett helt annat skede. IT-proffs, när man talar om utmaningarna med skalning, kommer att innebära att framgången för det första implementeringssteget inte nödvändigtvis säkerställer eller leder till framgången för det andra skalningssteget, att det finns specifika hinder i skalningen som inte "automatiskt löses" genom implementering eller andra föregående faser. Att, jämfört med open source-uppbyggnaden av systemet, skapar inneboende utmaningar, inklusive underhållsutmaningar, resursallokeringsutmaningar och andra som utvecklare och projektledare generellt sett inte kommer att förutse om de inte tänker på eventuella försök att skala systemet efter faktumet.
