Com a arquitetura em nuvem se tornando mais arte do que ciência, alguns problemas estão prejudicando aqueles que deveriam ter todas as respostas
Na maioria das vezes, a arquitetura em nuvem não é tão empolgante. Até agora, sabemos basicamente o que funciona, o que não funciona e o processo para chegar ao objetivo correto da arquitetura. Isso significa a arquitetura meta ou lógica e a tecnologia adicionada para chegar à arquitetura física.
Embora conheçamos os melhores padrões para a maioria das necessidades da arquitetura em nuvem, alguns problemas ainda estão sendo debatidos. Nenhuma solução ou prática recomendada de fato surgiu ainda. Aqui estão os três principais problemas, na minha opinião:
A edge computing (computação na borda) tem benefícios, como aproximar o processamento de dados da fonte dos dados. No entanto, a pergunta permanece: como uma partição de dados e processos entre um servidor baseado em nuvem e um computador na borda?
Muitos levam o máximo que podem até o limite, mas percebem que você está se afastando de um sistema centralizado (a nuvem pública) para muitos sistemas descentralizados (os dispositivos ou servidores de borda). Você precisa entender que deve manter esses sistemas de borda e eles são muito mais difíceis de monitorar, controlar, proteger, atualizar e configurar. Multiplique esse esforço por centenas de dispositivos de computação de ponta e você terá um pesadelo operacional.
Muitas empresas dizem que os contêineres são sua estratégia e não apenas uma tecnologia capacitadora. Essa crença quase religiosa no poder dos contêineres levou muitos aplicativos à nuvem em contêineres, mas não é assim que as empresas devem se mudar para lá. A questão é que não existem regras rígidas e rápidas sobre o que pode e deve existir em um contêiner. Os aplicativos herdados que exigirão muito esforço para refatorar (reescrever) os contêineres não são candidatos prováveis; no entanto, em muitos casos, a equipe de migração da nuvem tenta movê-los primeiro. Isso significa que as empresas deixarão de encontrar valor nos contêineres para alguns de seus aplicativos que são movidos para a nuvem. É um erro de um milhão de dólares que um bom número de arquitetos de nuvem cometerá.
O Machine Learning é barato nas nuvens e muito mais fácil de usar do que era. Isso levou a muitos casos em que a IA corporativa ativou um aplicativo quando o uso de sistemas cognitivos como componente do aplicativo foi contraindicado.
Assim como o trade-off de contêineres descrito acima, não há regra definitiva quando e como usar o Machine Learning em aplicativos existentes ou novos em rede. Algumas coisas funcionam contra o uso do Machine Learning, incluindo o fato de que você deve refatorar o aplicativo para tirar proveito do Machine Learning. No entanto, o problema maior é se a AI é necessária em primeiro lugar. Muitos nunca fazem essa pergunta.
Sempre teremos tópicos que não são fáceis de resolver. O que é mais produtivo é que estarmos falando sobre eles.
*David S. Linthicum é diretor de estratégia de cloud da Deloitte Consulting e especialista em indústria e líder de pensamento reconhecido internacionalmente
