當我們想到公共云時，通常首先想到的是財務：將工作負載從數(shù)據(jù)中心轉(zhuǎn)移到云會減少資本支出 (CapEx)，但會增加運營支出 (OpEx)。??這對 CFO 可能來說可能會有吸引力，但對于開發(fā)人員、運營人員或者是對DevOps??的人來說，這并沒有與眾不同。

??云計算??對一些企業(yè)提供了許多傳統(tǒng)的方法無法實現(xiàn)的能力。在本地部署需要六個月的時間，在云中10 分鐘就可以完成；本地部署需要來自三個管理級別的簽名才能支出執(zhí)行費用，而云只需要一步。

這不僅僅是時間和方便的問題。云還可以提高軟件開發(fā)的速度，大大縮短企業(yè)上市的時間。云還可以同時做實驗，保證更高的軟件質(zhì)量。

此外，云技術中還有一些真正的創(chuàng)新，可以提供即時的好處，并解決本地計算的問題。本文詳細的講解了16種使用且大眾感興趣的云功能。

按需計算實例

還需要在自己的本地服務器上安裝新數(shù)據(jù)庫嗎？長時間的排隊，幾個月或者是幾年。如果可以容忍使用本地虛擬機 (VM) 而不是物理服務器，公司使用 VMware 或類似技術，那么等待的時間將會大大縮短。但是，如果想在公共云上創(chuàng)建一個服務器實例，只需15 分鐘內(nèi)配置并根據(jù)需要調(diào)整，就可以運行，并且可以隨時使用隨時關閉。

預建的虛擬機鏡像

使用操作系統(tǒng)啟動 VM 很方便，但仍然需要安裝和許可應用程序。能夠啟動一個將選擇的操作系統(tǒng)和應用程序的虛擬機運行起來是難能可貴的。

無服務器服務

“??無服務器??”意味著一項服務或一段代碼將在短時間內(nèi)按需運行，通常是是響應一個事件，而不需要一個專用的VM來運行。如果服務是無服務器的，那么就不需要擔心底層服務器；資源是從云提供商維護的池中分配的。

無服務器服務，目前在每個主要的公共云上都可用，通常具有自動擴展、內(nèi)置高可用性和按價值付費的計費模式。如果想要一個無服務器應用程序，而不被鎖定在任何特定的公共云中，可以使用與供應商無關的無服務器框架，例如??Kubeless??，它只需要一個??Kubernetes??集群（可作為云服務提供；見下文）。

按需容器

容器是軟件的輕量級可執(zhí)行單元，比虛擬機輕得多。容器將應用程序代碼及其依賴項（例如庫）進行打包，容器共享主機的操作系統(tǒng)內(nèi)核。容器可以在??Docker 引擎??或 Kubernetes 服務上運行。按需運行容器具有按需運行虛擬機的所有優(yōu)點，另外還有低消耗和低成本的優(yōu)勢。

預建容器鏡像

??Docker 容器??是 Docker 鏡像的可執(zhí)行實例，由 Dockerfile 指定。Dockerfile 包含構(gòu)建映像的說明，并且通常基于另一個映像。例如，包含 Apache HTTP Server 的映像可能基于 Ubuntu 映像。您可以在 Docker 注冊表中找到預定義的 Dockerfile，也可以構(gòu)建自己的。也可以在本地安裝的Docker中運行Docker映像，也可以在任何支持容器的云中運行Docker映像。與預先構(gòu)建的虛擬機映像一樣，Dockerfile 可以快速啟動完整的應用程序，但與虛擬機映像不同，Dockerfile 與供應商無關。

Kubernetes容器編排

Kubernetes (K8s) 是一個開源系統(tǒng)，用于自動部署、擴展和管理容器化應用程序。K8s 基于谷歌內(nèi)部的“Borg”技術。K8s 集群由一組稱為節(jié)點的工作機器組成，這些機器運行容器化的應用程序。Worker 節(jié)點托管 Pod，其中包含應用程序；控制平面管理工作節(jié)點和 Pod。K8s 可以在任何地方運行，并且可以無限擴展。所有主要公共云都有K8s服務；也可以在自己的開發(fā)機器上運行 K8s。

自動擴展服務器

大多數(shù)公共云允許通過添加（或減少）實例或增加（或減少）實例大小來根據(jù)使用情況自動向上（或向下）擴展虛擬機和服務。

行星數(shù)據(jù)庫

主要的公共云和幾家數(shù)據(jù)庫供應商已經(jīng)實施了星云級分布式數(shù)據(jù)庫，其基礎是數(shù)據(jù)結(jié)構(gòu)、冗余互連和分布式一致性算法，使它們能夠高效地工作，可靠性高達59（99.999% 的正常運行時間）。特定于云的示例包括??Google Cloud Spanner??（關系）、??Azure Cosmos DB??（多模型）、??Amazon DynamoDB??（鍵值和文檔）和??Amazon Aurora??（關系）。供應商示例包括??CockroachDB??（關系）、??PlanetScale??（關系）、??Fauna??（關系/無服務器）、??Neo4j??（圖）、??MongoDB Atlas??（文檔）、??DataStax Astra??（寬列）和??Couchbase Cloud??（文檔）。

混合服務

對數(shù)據(jù)中心進行大量投資的公司，通常希望將其現(xiàn)有的應用程序和服務擴展到云中，而不是用云服務取代它們。所有主要的云供應商現(xiàn)在都提供了實現(xiàn)這一點的方法，包括使用特定的混合服務（例如，可以跨越數(shù)據(jù)中心和云的數(shù)據(jù)庫）以及連接到公共云（通常稱為??混合云??）的本地服務器和邊緣云資源。

可擴展的機器學習訓練和預測

機器學習訓練，尤其是深度學習，通常需要數(shù)小時到數(shù)周的大量計算資源。另一方面，機器學習預測需要數(shù)秒的計算資源，除非正在進行批量預測。使用云資源是完成模型訓練和預測的最便捷方式。

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)集進行準確訓練所需的深度學習通常需要超過一周的時間。GPU、TPU 和 FPGA 都可以顯著縮短訓練時間，并且將它們放在云端可以在需要時輕松使用。

預訓練的 AI 服務

許多 AI 服務可以通過預訓練模型很好地執(zhí)行，例如語言翻譯、文本到語音和圖像識別。所有主要的云服務都提供基于穩(wěn)健模型的預訓練 AI 服務。

可定制的人工智能服務

有時，預訓練的 AI 服務并不能完全滿足您的需求。遷移學習僅在現(xiàn)有模型的基礎上訓練幾個神經(jīng)網(wǎng)絡層，與從頭開始訓練模型相比，它可以相對快速地為您提供定制服務。同樣，所有主要的云服務提供商都提供遷移學習。

監(jiān)測服務

所有云都支持至少一種監(jiān)控服務，可以輕松配置云服務進行監(jiān)控。監(jiān)控服務通常會向您顯示一個圖形儀表板，并且可以配置為通知異常和異常的性能指標。

分布式服務

數(shù)據(jù)庫并不是唯一可以從以分布式方式運行中受益的服務。問題是延遲。如果計算資源遠離數(shù)據(jù)或管理的進程，則發(fā)送和接收指令和信息需要很長時間。如果反饋回路中的延遲太高，則回路很容易失控。如果機器學習和數(shù)據(jù)之間的延遲太高，則執(zhí)行訓練所需的時間可能會增加。為了解決這個問題，云服務提供商提供連接設備，可以將他們的服務擴展到客戶的數(shù)據(jù)中心（??混合云??）或客戶的工廠車間附近（??邊緣計算??）。

邊緣計算

將分析和機器學習在地理上靠近機器和其他現(xiàn)實世界對象（物聯(lián)網(wǎng)或物聯(lián)網(wǎng)）的需求導致了專門的設備，例如帶有 GPU 和傳感器的微型計算設備，以及支持它們的架構(gòu)，例如作為邊緣服務器、自動化平臺和內(nèi)容交付網(wǎng)絡。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。

我們討論過的任何一項云創(chuàng)新都可以證明其使用是合理的。綜合起來，好處真的是不可抗拒的。