公共云趋势:值得关注的三个方面-IDC帮帮忙

公共云的采用率正在飙升。随着企业领导者转向公共云以转变其应用程序并优化其工作负载,亚马逊,微软和谷歌等领先的公共云提供商满足需求。

您的组织可能已经在使用公共云(或多个云)来支持您的部分业务。或者您正在权衡将应用程序移出旧数据中心的选项。无论哪种方式,都有一些趋势需要注意,这可能会影响公司使用的公共云。

在最近的圆桌讨论中,Rackspace公共云专家Jeff DeVerter,Derek Remund和Eric Johnson指出了三个需要关注的领域:

公共云:比不同的更相似,但这些差异很重要
尽管领先的云平台具有使它们彼此区分的特定功能,但我们的专家一致认为,在原始计算能力方面,当今超大规模云(AWS,Azure和Google云平台)之间的性能差距正在稳步快速缩小。

“我们在Cloud Smackdown中暗示了这一点,但之前主要云之间的主要差异正在减少,”DeVerter说道,他在过去的十年中一直在Rackspace监督Microsoft云技术。这与两三年前的情况有很大不同,当时用户在比较云时经常会发现基本性能或功能缺陷。

例如,谷歌以数据存储和网络而闻名,而微软则以其业务流程而闻名。AWS的优势在于无服务器计算以及机器学习和人工智能等未来技术。

因此,拥有现有Microsoft企业协议的客户和严重依赖Active Directory的应用程序应该可以与Azure一起使用,而在DevOps繁重的项目上工作的跨国研究团队可能会发现服务器需要每秒进行一次配置AWS更合适。

在这个云平等的新时代,底线是什么?这意味着规划过程现在比以往任何时候都是云旅程中最关键的部分。这就是Rackspace,它现在是全球领先的IT即服务和数字化转型提供商之一,具有真正的价值。

我们的公共云专家在三个公共云上拥有大约1,400个认证,使我们成为世界上最大的公共云专家工作者之一。由于应用程序数量达到数百个,很少有企业拥有筛选每个公共云的所有特性和功能的专业知识,以找到最适合这些应用程序的应用程序。Rackspace确实没有动力在任何特定的云上销售客户; 我们都支持他们。

容器将真正实现多云解决方案
近年来,容器逐渐成为主流,我们的Rackspace云专家将2018年视为这项技术的发展年,为多个云提供了更大的灵活性。

由于容器以更快,更可靠的方式打包应用程序,并且 - 最重要的是 - 便携式,它们在测试不同的云平台时提供了许多新的可能性。

“如果多云战略的重点是按工作负载优化工作负载,”DeVerter指出,“容器为组织提供了一种简单的方法来移动应用程序并找出最适合的位置。”

亚马逊和Azure最近的公告也意味着Kubernetes现在可以作为所有三个领先的公共云提供商的容器编排引擎,实现真正的可移植工作负载 - 不仅可以作为灾难恢复选项,而且可以在多个云中主动运行,甚至可以利用每个云云的本机功能。

这种增加的可移植性将允许公司发现特定的Kubernetes容器是否在AWS,Azure或Google上运行得更好。

开发人员现在可以选择在AWS中运行的应用程序容器,并将其无缝移动到另一个云。容器还使跨多个云的开发人员的工作变得更加轻松,使他们能够跨平台将相同的应用程序从开发到生产,从而实现效率的巨大飞跃。

“如果一个应用程序在开发人员的机器上工作,那么它很可能会在生产中工作,”约翰逊说,“这为这个等式增加了很多可靠性。”

Rackspace可以通过AWS,Azure和Google Cloud提供的本机服务,以及我们在这些本机功能之上提供的专业服务,帮助客户获得容器和Kubernetes。

Rackspace还提供跨公共云的真正多云视图,允许客户在其平台和组织的所有部分中推动高水平的治理,成本管理,架构指导和运营洞察。

公共云将支持下一个前沿:机器学习
机器学习已经开始在我们在2018年及以后看到的大部分创新中发挥关键作用。虽然目前只有少数公司在生产环境中成功使用机器学习,但公共云平台将在帮助企业加快发展方面发挥重要作用。

机器学习需要大量的计算资源。云实现了构建,测试和运行机器学习模型所需的快速配置和可扩展性,并有助于提供大量所需的输入数据。公共云还提供用于常见机器学习任务的预构建机器学习模型 - 诸如图像识别,用于语音识别的音素分离和视频分析。

虽然这些技术的API已经存在,但每个主要的云提供商都在努力提高机器学习能力。AWS已经开始实现这一目标,其功能包括SageMaker,一种已预先建立模型以帮助机器学习的服务,以及DeepLens,内置机器学习的硬件,可访问数十亿字节的预建模数据。

随着这种趋势继续加速,我们也将看到云作为服务的机器学习的出现。毕竟,如果商业主管可以使用亚马逊的Alexa订购家居用品,阅读新闻或播放音乐,她可能会将这种期望带入工作场所。这可能看起来像是一台支持机器学习的设备,可以实时调用数据中心分析或发送和接收统计数据,并且可以根据这些输出进行系统优化。