gydtep

数据治理侧重于组织为数据的使用设置的策略。它还关注组织的各部门如何结合在一起，以确保数据得到正确使用。例如，美国一家主要的信用评级机构遭到黑客攻击，其治理政策很糟糕，导致数百万人的社保号码被泄露。他们被黑客入侵和身份被窃取的几率要高得多。而组织如何管理他们保存的数据对人们的工作和生活有着巨大的影响。随着这项技术的成熟，数据治理这一概念将变得更加重要。随着时间的推移，将会提高计算能力和改进人工智能算法。这意味着它们将变得更加复杂，并且能够对人们造成更大的伤害。

gydtep

数据是所有人工智能技术的核心。实际上，数据是一切与智能有关的核心。人工智能学习的方式是通过体验情境，然后模拟人类在头脑中做出的决定。人类和人工智能的区别是人工智能可以更快地完成此任务。人工智能需要大量的数据才能做到这一点。

gydtep

人们需要一种管理数据的方法，以便始终拥有更准确、安全和完整的数据集。这就是数据治理的意义所在。正是组织制定的政策确保了这一点。如果做的事情不正确，那么将很难让人工智能和机器学习发挥作用。随着黑客技术变得越来越复杂，组织意识到这一点有多么重要。如今很多人致力于利用漏洞和其他黑客技术来获取数据。因此还必须查看组织如何处理人们的个人信息。例如，他们是否有与广告客户分享私人信息的政策?为了制定一种在人工智能时代行之有效的政策，需要回答这些问题。

gydtep

将数据作为资产

数据在将来将变得更加重要。当人们进入一个数字化世界时，这些东西将使组织能够最大程度地发挥重要作用。安全性将具有更大的意义，人们将看到人工智能在确保组织获得正确结果方面更加重要。

gydtep

认识K8S集群资源时，不再按照传统方式以节点单元切分，笔者选择工作负载，存储以及网络这三个方面介绍资源类型，是基于K8S提供的核心资源对象Pod，PVC/PV以及Service/Ingress实现了最基本的集群资源管理与容器编排。

gydtep

K8S通过Pod来管理一组容器组的生命周期，Pod是K8S调度的最小单元。应用服务部署与调度也是以Pod为单元，Pod也可称之为工作负载。对于无状态的应用部署，以ReplicaSet定义与管理；对于有依赖关系，有状态的应用部署，以StatefulSet定义与管理。ReplicaSet与StatefulSet又是一个有意思的话题，笔者会在后续系列详细介绍。应用所需的CPU/内存资源定义在Pod内，因为CPU/内存资源是容器级别的，由Pod的spec->containers->resources定义。

gydtep

容器共享所在Pod的存储Volume，网络命名空间以及PID命名空间，容器拥有CPU/内存资源分配与资源额度。在进行资源管理时，要区分CPU/内存资源分配额度和工作负载实际的CPU/内存利用率。K8S集群信息控制台一般展示工作负载定义的CPU/内存分配额度。

gydtep

看起来PV抽象就已足够解决K8S存储资源适配各个云厂商的IaaS存储资源，为什么还要再多此一举搞一个PVC资源对象抽象呢？PVC类似OOP中的抽象类。在开发中使用抽象类通常是想解耦对象调用与对象实现。Pod绑定PVC而非PV，是将Pod部署与PV资源分配解耦。

gydtep

Pod部署一般属于研发团队应用部署的子环节，由开发人员控制。PV存储资源定义与分配则多属于devops团队，由集群管理员控制。

Pod和PVC是命名空间访问控制范围内的资源对象，PV则是集群访问控制范围内的资源对象。

gydtep

PVC/PV模式解耦了存储资源与节点资源，即由PVC/PV定义的存储资源独立于节点资源，通过动态绑定方式随工作负载在节点资源间迁移。具体细节依赖于云厂商提供的存储插件的实现方式。