这是一个非常简单的解决方案，历史悠久：在数据库中使用分布式架构快速返回请求的数据。这类解决方案同时在多台服务器上运行数据库查询操作，然后将集群中数百甚至数千台服务器的返回结果聚合起来进行交付。即使它不是新的，为什么这个想法最近获得了新的关注？那是因为它成为了MapReduce背后的核心机制，MapReduce是Hadoop用于大数据分析的并行处理模型。这些分布式工作负载近年来被大规模使用，通常与统一的服务器集群配对——即它们需要运行在大量相同的服务器设备上。这种统一性要求将用户限制在单个服务器集群或单个云环境中，这意味着我们需要将其与资源类型和成本计划相匹配，没有其他选择。但在迅速兴起的多云解决方案中，数据处理工作负载运行在那些真正能够满足工作负载实际需求的云服务上。当前对多云架构的积极探索，使用户能够将工作负载放置在公有或私有云服务上，从而为负载自身需求提供最短的条件。这还允许您在最具成本效益的云服务之上运行工作负载。跨多个云平台处理数据实例例如，当处理采用查询的形式时，发起数据库查询的客户端可能驻留在托管提供商的运行时环境中。但是，它可能会将请求定向到AmazonWebServices公共云服务上的多个服务器实例。它还可以管理驻留在MicrosoftAzure云环境中的事务数据库。此外，它还可以将数据请求的结果保存在本地的OpenStack私有云中。灵活多样，相信大家都已经了解了这个特点。好处很明显：您可以混合搭配云服务和工作负载以提高性能，同时降低使用成本。事实上，我们可以根据实际需要在不同的云环境之间自由迁移工作负载。如今，大量的数据库处理机制都选择了云计算服务作为后盾——使用它们的成本并不便宜。在不同的云服务之间迁移工作负载为管理大型分布式数据库的用户带来了巨大的力量，使他们能够只选择那些提供最佳、最佳性价比的提供商——或者那些最能满足其数据库处理需求的供应商。当然，这类交易的处理方式很复杂，必然需要管理和自动化。云管理平台工具应该能够在这方面提供帮助，因为它们可以提供实际处理前面描述的过程的能力。伙计们，请保持警惕——这种新思路从来都不像听起来那么难以驾驭，拥有更多选择从来都不是坏事。原文链接：http://www.infoworld.com/d/cloud-computing/the-right-cloud-the-job-multicloud-database-processing-here-247610原文标题：Therightcloudforthejob:Multiclouddatabase处理在这里
