Moderne virtualisatiestrategie vereist modern databeheer

Veel legacy-omgevingen zijn bijvoorbeeld ontworpen voor relatief statische en voorspelbare workloads, terwijl moderne toepassingen, waaronder AI, juist hoge en wisselende eisen stellen aan performance en capaciteit. Tegelijkertijd bevinden data zich vaak verspreid over verschillende silo’s. Hierdoor ontbreekt een volledig overzicht van welke data beschikbaar zijn en waar deze zich bevinden. Zowel de infrastructuur als de data zelf kunnen daardoor een belemmering vormen voor verdere modernisering.

Om deze uitdagingen aan te pakken, maken steeds meer organisaties gebruik van containers om moderniserings- en virtualisatie doelen te realiseren. Het toevoegen van een platform kan echter leiden tot extra complexiteit, meer data silo's en verdere fragmentatie. Precies hetgeen dat organisaties willen voorkomen.

CISO’s maken vaak de keuze voor het toevoegen van een virtualisatieplatform met rekenkracht in gedachten, terwijl ze in de praktijk ook een beslissing nemen over de onderliggende data-architectuur. Als die beslissing over de data-architectuur verkeerd uitpakt, neemt een nieuw platform dezelfde data silo's en complexiteit over van de infrastructuur die deze moet vervangen.

Virtualisatie moet daarom niet alleen vanuit infrastructuurperspectief worden bekeken. De gekozen aanpak moet ook bijdragen aan bredere doelstellingen rond modernisering, operationele weerbaarheid en de inzet van AI.

Waarom moderne virtualisatie? 

Een moderne virtualisatieaanpak omvat het draaien van virtuele machines en het onderbrengen van data in containers. Het overbrugt de kloof tussen legacy applicaties en moderne cloud-native architectuur. In plaats van twee afzonderlijke infrastructuuromgevingen met verschillende tools te beheren, kunnen organisaties Kubernetes als gemeenschappelijke control plane gebruiken voor zowel virtuele machines als containers. Dit kan het beheer vereenvoudigen en tegelijkertijd de schaalbaarheid en betrouwbaarheid verbeteren. Deze ontwikkeling is al volop gaande: volgens het Voice of Kubernetes 2026-onderzoek is 74% van de organisaties van plan virtuele machines naar Kubernetes te migreren. 

Waarom dataopslag en databeheer zo belangrijk zijn

Door toenemend gebruik van AI en de toename van de hoeveelheid data binnen organisaties worden storage en databeheer steeds belangrijker bij de keuze voor een virtualisatiestrategie. Iedere workload is uiteindelijk afhankelijk van drie basiselementen: storage om data op te slaan, rekenkracht voor de verwerking van deze data en networking om data te transporteren. In traditionele full-stack virtualisatie zijn deze onderdelen vaak nauw met elkaar verbonden. In containeromgevingen wordt storage daarentegen vaak afzonderlijk beheerd of geabstraheerd. Daardoor werd storage vaak over het hoofd gezien. 

Storage als bijzaak behandelen kan echter leiden tot extra operationele complexiteit en risico’s. Problemen met de storagelaag kunnen immers gevolgen hebben voor de volledige virtualisatieomgeving. Het is daarom niet verrassend dat 56% van de organisaties high availability, disaster recovery en backup tot de belangrijkste functionaliteiten van een nieuw virtualisatieplatform rekenen. Daar komt databeheer bij. Organisaties moeten weten over welke data ze beschikken, waar deze zich bevinden en hoe bestaande datasilo’s kunnen worden teruggedrongen. Dat inzicht maakt het mogelijk om infrastructuur en data als één platform te benaderen en zo modernisering te vereenvoudigen.

AI-projecten versnellen

De eisen die AI stelt aan performance en capaciteit maken ook duidelijk waar de beperkingen van bestaande infrastructuur liggen. Organisaties die AI-workloads op legacy-technologie draaien, kunnen moeite hebben om AI-projecten tot een succes te maken. Storage speelt daarbij een belangrijke rol. Uit onderzoek van Data on Kubernetes blijkt dat 86% van de respondenten storage als belangrijkste kostenpunt voor AI-projecten noemt, zelfs nog vóór kosten voor GPU’s.

Containers kunnen een geschikte omgeving bieden voor data-intensieve AI-workloads en experimenten. Maar de vraag waar een AI-workload moet draaien, gaat verder dan alleen de keuze voor een infrastructuurplatform. Ook kosten, risico’s, beschikbare expertise, de datastrategie en de gewenste flexibiliteit op langere termijn spelen hierbij een rol.

Met een moderne virtualisatieomgeving kunnen beschikbare infrastructuurresources flexibeler worden ingezet. Data scientists en AI-teams hoeven zich daardoor minder bezig te houden met het beschikbaar krijgen en verdelen van infrastructuur en kunnen zich meer richten op training, inference en het ontwikkelen van toepassingen.

Volwassen technologie als basis voor snelheid

Containers zijn inmiddels breed geaccepteerd en vormen een belangrijke basis voor organisaties die streven naar een volwaardige en betrouwbare IT-architectuur. De voordelen op het gebied van snelheid en schaalbaarheid komen voor organisaties echter pas tot hun recht wanneer ook de datalaag wordt gemoderniseerd.

Organisaties die zijn overgestapt op een modern dataplatform profiteren van verschillende mogelijkheden. Zo kunnen live migraties binnen enkele seconden worden uitgevoerd, waar dit voorheen minuten kostte. Daarnaast ondersteunt een modern dataplatform high availability en disaster recovery en maakt het schaalbaarheid mogelijk zonder dat containers elkaar in de weg zitten bij het gebruik van beschikbare resources. Zo wordt voorkomen dat één container alle capaciteit opeist, waardoor andere containers onvoldoende resources overhouden om goed te functioneren.

Daarnaast biedt deze aanpak de mogelijkheid om bestaande infrastructuur te blijven benutten, zodat organisaties het meeste halen uit hun eerdere investeringen. Door te moderniseren met containers realiseren organisaties daarmee meer dan alleen technische efficiëntie. Ze verbeteren hun dagelijkse IT-operaties en creëren tegelijkertijd voordelen op strategisch niveau.

Eén gedeeld dataplatform

Storage en databeheer moeten vanaf het begin onderdeel zijn van een moderne virtualisatiestrategie. Tegelijkertijd migreren veel organisaties steeds vaker virtuele machines en containers naar omgevingen waarin Kubernetes als gemeenschappelijke basis dient. Dit gebeurt inmiddels op grote schaal, waarbij honderdduizenden virtuele machines verspreid over meerdere locaties op Kubernetes draaien. Deze ontwikkeling hoeft echter niet te betekenen dat er steeds meer losse oplossingen worden toegevoegd.

De mogelijkheid om rekenkracht en data vanuit één samenhangende architectuur te beheren, kan juist helpen om fragmentatie te verminderen en tegelijkertijd performance, mobiliteit en operationele weerbaarheid te verbeteren.

De keuze voor rekenkracht en de keuze voor de data-architectuur moeten daarom gezamenlijk worden gemaakt. Als organisaties beide onderdelen vanaf het begin meenemen, kan moderne virtualisatie een basis vormen voor verdere modernisering en AI, in plaats van opnieuw een afzonderlijke silo aan de IT-omgeving toe te voegen.

Door: Marco Bal (foto), Consulting Systems Engineer bij Everpure