在現(xiàn)收現(xiàn)付定價(jià)模式的背后，公有云中有最新最好的開(kāi)發(fā)、devops 和 AI 工具，用于更快地構(gòu)建更好、更智能的應(yīng)用程序。

當(dāng)我們想到公共云時(shí)，通常首先聯(lián)想到的是財(cái)務(wù)支出：將工作負(fù)載從接近容量的數(shù)據(jù)中心轉(zhuǎn)移到云會(huì)減少資本支出 (CapEx)，但會(huì)增加運(yùn)營(yíng)支出 (OpEx)。這對(duì)財(cái)務(wù)管理者的吸引力具有兩面性，但對(duì)于開(kāi)發(fā)人員、運(yùn)營(yíng)人員或?qū)烧呓Y(jié)合為devops的人來(lái)說(shuō)，其作用仍不容小覷。

對(duì)于這些人來(lái)說(shuō)，云計(jì)算提供了許多在新軟件服務(wù)需要購(gòu)買新的服務(wù)器硬件或企業(yè)軟件套件時(shí)根本無(wú)法獲得的機(jī)會(huì)。在本地部署需要六個(gè)月的時(shí)間，有時(shí)在云中只需要 10 分鐘。需要來(lái)自三個(gè)管理級(jí)別的簽名才能創(chuàng)建本地部署的費(fèi)用可以從云中的賬單預(yù)算中扣除。

這不僅僅是時(shí)間和方便的問(wèn)題。云還可以提高軟件開(kāi)發(fā)的速度，這通常會(huì)縮短上市時(shí)間。云還可以允許更多的實(shí)驗(yàn)，這通常會(huì)帶來(lái)更高的軟件質(zhì)量。

此外，云中有真正的創(chuàng)新可以提供直接的好處并解決本地計(jì)算長(zhǎng)期存在的問(wèn)題。下面為大家介紹16種備受關(guān)注的云功能。

1. 按需計(jì)算實(shí)例

如果要在本地服務(wù)器上安裝新數(shù)據(jù)庫(kù)，那么可能需要等待數(shù)月甚至數(shù)年。如果能夠使用本地虛擬機(jī) (VM) 而不是物理服務(wù)器，并且企業(yè)使用 VMware 或類似技術(shù)，那么等待時(shí)間將會(huì)縮減至數(shù)周。

但是，如果想在公共云上創(chuàng)建一個(gè)服務(wù)器實(shí)例，企業(yè)可以在大約 15 分鐘內(nèi)配置并運(yùn)行它，并且能夠根據(jù)需要調(diào)整它的大小，在不使用它時(shí)將其關(guān)閉。

2. 預(yù)建的虛擬機(jī)鏡像

使用企業(yè)選擇的操作系統(tǒng)啟動(dòng) VM 很方便，但仍然需要安裝和許可企業(yè)需要的應(yīng)用程序。能夠啟動(dòng)一個(gè)帶有企業(yè)選擇的操作系統(tǒng)和應(yīng)用程序的虛擬機(jī)并準(zhǔn)備好運(yùn)行是十分珍貴的。

3. 無(wú)服務(wù)器服務(wù)

“無(wú)服務(wù)器”意味著一項(xiàng)服務(wù)或一段代碼將在短時(shí)間內(nèi)按需運(yùn)行，通常是為了響應(yīng)事件，而不需要在其上運(yùn)行的專用 VM。如果服務(wù)是無(wú)服務(wù)器的，那么根本不需要擔(dān)心底層服務(wù)器;資源是從云提供商維護(hù)的池中分配的。

目前在每個(gè)主要公共云上都可用的無(wú)服務(wù)器服務(wù)通常具有自動(dòng)擴(kuò)展、內(nèi)置高可用性和按價(jià)值付費(fèi)的計(jì)費(fèi)模式。如果企業(yè)想要一個(gè)不受任何特定公共云限制的無(wú)服務(wù)器應(yīng)用程序，可以使用供應(yīng)商中立的無(wú)服務(wù)器框架，例如Kubeless，它只需要一個(gè)Kubernetes集群。

4. 按需容器

容器是軟件的輕量級(jí)可執(zhí)行單元，比虛擬機(jī)輕得多。容器打包應(yīng)用程序代碼及其依賴項(xiàng)，例如庫(kù)。容器共享主機(jī)的操作系統(tǒng)內(nèi)核。

容器可以在Docker Engine或 Kubernetes 服務(wù)上運(yùn)行。按需運(yùn)行容器具有按需運(yùn)行虛擬機(jī)的所有優(yōu)勢(shì)，以及需要更少資源和成本更低的額外優(yōu)勢(shì)。

5. 預(yù)建容器鏡像

Docker 容器是 Docker 鏡像的可執(zhí)行實(shí)例，由 Dockerfile 指定。Dockerfile 包含構(gòu)建映像的說(shuō)明，并且通?；诹硪粋€(gè)映像。例如，包含 Apache HTTP Server 的映像可能基于 Ubuntu 映像。企業(yè)可以在 Docker 注冊(cè)表中找到預(yù)定義的 Dockerfile，也可以構(gòu)建自己的。還可以在本地安裝的 Docker 或任何支持容器的云中運(yùn)行 Docker 映像。

與預(yù)先構(gòu)建的虛擬機(jī)映像一樣，Dockerfile 可以快速啟動(dòng)完整的應(yīng)用程序，但與 VM 映像不同，Dockerfile 與供應(yīng)商無(wú)關(guān)。

6. Kubernetes 容器編排

Kubernetes (K8s) 是一個(gè)開(kāi)源系統(tǒng)，用于自動(dòng)部署、擴(kuò)展和管理容器化應(yīng)用程序。K8s 基于谷歌內(nèi)部的“Borg”技術(shù)。K8s 集群由一組稱為節(jié)點(diǎn)的工作機(jī)器組成，它們運(yùn)行容器化的應(yīng)用程序。

Worker 節(jié)點(diǎn)托管 Pod，其中包含應(yīng)用程序;控制平面管理工作節(jié)點(diǎn)和 Pod。K8s 可以在任何地方運(yùn)行，并且可以無(wú)限擴(kuò)展。各大公有云都有K8s服務(wù);企業(yè)也可以在自己的開(kāi)發(fā)機(jī)器上運(yùn)行 K8s。

7. 自動(dòng)縮放服務(wù)器

企業(yè)不必將應(yīng)用程序容器化并在 Kubernetes 下運(yùn)行它們以在云中自動(dòng)擴(kuò)展它們。大多數(shù)公共云允許用戶通過(guò)添加(或減少)實(shí)例或增加(或減少)實(shí)例大小來(lái)根據(jù)使用情況自動(dòng)向上(或向下)擴(kuò)展虛擬機(jī)和服務(wù)。

8. 行星數(shù)據(jù)庫(kù)

主要的公共云和幾家數(shù)據(jù)庫(kù)供應(yīng)商已經(jīng)實(shí)施了全球規(guī)模的分布式數(shù)據(jù)庫(kù)，這些數(shù)據(jù)庫(kù)具有數(shù)據(jù)結(jié)構(gòu)、冗余互連和分布式共識(shí)算法等基礎(chǔ)，使它們能夠高效工作并具有高達(dá) 5 個(gè) 9 的可靠性(99.999% 的正常運(yùn)行時(shí)間)。

9. 混合服務(wù)

對(duì)數(shù)據(jù)中心進(jìn)行大量投資的企業(yè)通常希望將其現(xiàn)有的應(yīng)用程序和服務(wù)擴(kuò)展到云中，而不是用云服務(wù)取代它們。所有主要的云供應(yīng)商現(xiàn)在都提供了實(shí)現(xiàn)這一目標(biāo)的方法，包括使用特定的混合服務(wù)(例如，可以跨越數(shù)據(jù)中心和云的數(shù)據(jù)庫(kù))以及連接到公共云的本地服務(wù)器和邊緣云資源，通常稱為混合云。

10. 可擴(kuò)展的機(jī)器學(xué)習(xí)訓(xùn)練和預(yù)測(cè)

機(jī)器學(xué)習(xí)訓(xùn)練，尤其是深度學(xué)習(xí)，通常需要數(shù)小時(shí)到數(shù)周的大量計(jì)算資源。另一方面，機(jī)器學(xué)習(xí)預(yù)測(cè)每次預(yù)測(cè)需要幾秒鐘的計(jì)算資源，除非正在進(jìn)行批量預(yù)測(cè)。使用云資源通常是完成模型訓(xùn)練和預(yù)測(cè)的最便捷方式。

11. 云 GPU、TPU 和 FPGA

在 CPU 集群上，使用大型模型和非常大的數(shù)據(jù)集進(jìn)行準(zhǔn)確訓(xùn)練所需的深度學(xué)習(xí)通常需要超過(guò)一周的時(shí)間。GPU、TPU 和 FPGA 都可以顯著縮短訓(xùn)練時(shí)間，并且將它們放在云端可以在需要時(shí)輕松使用它們。

12. 預(yù)訓(xùn)練的 AI 服務(wù)

許多 AI 服務(wù)可以通過(guò)預(yù)訓(xùn)練模型很好地執(zhí)行，例如語(yǔ)言翻譯、文本到語(yǔ)音和圖像識(shí)別。所有主要的云服務(wù)都提供基于穩(wěn)健模型的預(yù)訓(xùn)練 AI 服務(wù)。

13. 可定制的人工智能服務(wù)

有時(shí)，預(yù)訓(xùn)練的 AI 服務(wù)并不能完全滿足企業(yè)的需求。遷移學(xué)習(xí)僅在現(xiàn)有模型之上訓(xùn)練幾個(gè)神經(jīng)網(wǎng)絡(luò)層，與從頭開(kāi)始訓(xùn)練模型相比，它可以相對(duì)快速地為企業(yè)提供定制服務(wù)。同樣，所有主要的云服務(wù)提供商都提供遷移學(xué)習(xí)，盡管它們并不都使用相同的名稱。

14. 監(jiān)控服務(wù)

所有云都支持至少一種監(jiān)控服務(wù)，讓企業(yè)輕松配置云服務(wù)進(jìn)行監(jiān)控。監(jiān)控服務(wù)通常會(huì)向使用者顯示一個(gè)圖形儀表板，并且可以配置為通知使用者異常和異常的性能指標(biāo)。

15. 分布式服務(wù)

數(shù)據(jù)庫(kù)并不是唯一可以從以分布式方式運(yùn)行中受益的服務(wù)。問(wèn)題是延遲。如果計(jì)算資源遠(yuǎn)離數(shù)據(jù)或管理的進(jìn)程，則發(fā)送和接收指令和信息需要很長(zhǎng)時(shí)間。如果反饋回路中的延遲太高，則回路很容易失控。

如果機(jī)器學(xué)習(xí)和數(shù)據(jù)之間的延遲太高，則執(zhí)行訓(xùn)練所需的時(shí)間可能會(huì)增加。為了解決這個(gè)問(wèn)題，云服務(wù)提供商提供連接設(shè)備，可以將他們的服務(wù)擴(kuò)展到客戶的數(shù)據(jù)中心(混合云)或客戶的生產(chǎn)空間附近(邊緣計(jì)算)。

16. 邊緣計(jì)算

將分析和機(jī)器學(xué)習(xí)在地理上靠近機(jī)器和其他現(xiàn)實(shí)世界對(duì)象(物聯(lián)網(wǎng)或物聯(lián)網(wǎng))的需求導(dǎo)致了專門的設(shè)備需求，例如帶有 GPU 和傳感器的微型計(jì)算設(shè)備，以及支持它們的架構(gòu)，例如作為邊緣服務(wù)器、自動(dòng)化平臺(tái)和內(nèi)容交付網(wǎng)絡(luò)。最終，這些都連接回云端，但在邊緣執(zhí)行分析的能力可以大大減少發(fā)送到云端的數(shù)據(jù)量并減少延遲。

以上列舉的種種好處或許可以緩解企業(yè)對(duì)于云支出的焦慮，我們討論過(guò)的任何一項(xiàng)云創(chuàng)新都可以證明其使用是合理的。綜合而言，云計(jì)算提供好處將是推動(dòng)企業(yè)發(fā)展的重要?jiǎng)恿Α?/p>