云计算2.0时代即将到来

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: 云计算已经改变了我们对数据管理和分布式工作负载的看法。

云计算已经改变了我们对数据管理和分布式工作负载的看法。


向任何一位首席信息官询问他们对多云的看法--数据和应用程序应该如何在所有公共云、私有云和本地云之间无缝地传输,以获得最低成本和最佳性能--你可能都会得到两种截然不同的回答。


其中一个典型的例子是来自那些还没有将计算转移到AWS、Microsoft Azure或Google Cloud等公共云的新手。他们对这个概念完全不感兴趣。因为他们的印象是,无论如何,云就应该是这样工作的。


另一个呢?这是为那些曾经和上面那些人有同样印象的人写的。然后,他们将数据和工作负载转移到了公共平台。现在,他们仍在想,是否真的可以实现多云。


事实上,这是有可能的。我们现在开始看到一个新的稳定的产品出现了,可以解决今天的多云缺点。今年1月,Gartner为这类新兴产品创造了“云数据生态系统”这一术语。分析公司451 research去年年底将其命名为“企业智能平台”,而Cloudera号称是该类别中最全面的平台,并在去年夏天将其命名为了“企业数据云”

我称之为云计算2.0。当一切尘埃落定,它最后将变成云1.0本应成为的一切。


发生了什么…


在看似无限的按需存储和计算能力的诱惑下,许多急于放弃数据中心资本化决策的早期采用者双双投入了云模型。但是很多人很快发现他们的脚卡在了需要着陆的地方。


这里有两个原因。首先,他们已经被锁定在长期合同当中,签订这些合同是为了在不知道实际需要多大能力的情况下也能够获得优惠价格。虽然他们支付的是固定利率,但实际上他们最终还是支付了更多。有些人最终只使用了他们保留的功能的一小部分。而那些低估了存储空间和计算需求的人最终会面临令人瞠目结舌的超额收费。


第二个原因是,他们了解到,在所有相关元数据都完好无损的情况下,从云服务将数据带回会是多么困难。放弃历史记录和其他描述性的上下文关联会极大地降低数据在未来分析中的价值。


在某种程度上,为了摆脱困境,企业开始越来越多地投资于自己的私有云能力,或者外包给第三方数据中心,或者投资于老式的、实地的、现场的资本化方案。他们的目标是最大限度地利用自己的资源,然后在绝对必要的时候才将其释放到云上。


“肯定有很多遣返活动在进行当中,”联想数据中心集团软件定义基础设施业务的技术总监Henry Vail告诉我。“客户真的很喜欢混合云的概念。因此,他们正在构建或外包自己的私有云。”


重要的是要理解那些冒险进入云的企业仍然对云模型充满热情,并继续致力于云计算。甚至一些还没有涉足实际云计算的公司也在投资并受益于虚拟机、容器和微服务的灵活性和效率。


云提供商都在使用他们自己的混合云选项来对此做出响应。事实上,去年年底,三大公共云提供商都发布了或增强了将其服务扩展到私有云部署的计划:


•AWS宣布了自己的基础设施即服务产品AWS Outposts


•微软(Microsoft)于2017年首次引入Azure Stack,将其云服务扩展到了客户的数据中心,并发布了Azure Arc,将Azure Stack的保护伞扩展到更广泛的硬件和服务上面。


•谷歌也披露了自己的混合云平台Google Anthos。


拥抱多云


就目前而言,这些服务都是受欢迎的扩展。也就是说,虽然它们都在将自己的平台从自己的公共云扩展到托管的私有云和内部数据中心,但它们都没有帮助客户走出自己的领域,然后进入竞争对手的云基础设施。


无论是在IBM和Redhat、HPE还是Oracle,您都会遇到与其他云提供商几乎相同的情况。像Nutanix和Dell的VMware这样的平台是独一无二的,因为它们支持多个云平台。但首先,你必须从中挑选一个。从一个地方移动到另一个地方仍然具有挑战性。


我们很难指责公共云提供商为何不愿为付费客户铺平道路,尽管有一天他们可能不得不这么做。因为客户确实需要云计算。


事实上,在云平台之间左右移动的能力,以及从公共云向私有或租赁资产的上下移动的能力,都是我们在听云广告时能够听到的。不幸的是,这并不是云提供商真正想说的。至少现在还没有。


“客户真的希望能够用单一的规则来管理一切,”Cloudera负责行业解决方案的副总裁Cindy Maike表示。“出于成本或性能方面的考虑,他们希望能够灵活地访问数据,并将工作负载放在最合理的地方。如今,客户想知道他们能以多快的速度来采取行动。”


当然,答案是它取决于或者主要取决于您将如何开发您的云架构。如果您从一开始就准备好了数据和工作负载,那么就会轻松很多。


而且还会有更多的帮助。


例如,在业务分析和机器学习方面,像Databricks、Looker和Rancher这样的公司可以用来帮助编排跨不同部署的ML项目。像Panoply、Qubole和Snowflake这样的公司则能够在混合云和多云部署中帮助协调数据。Cloudera的独特之处在于,它为数据和ML管理提供了新的Cloudera数据平台,这是与一年多前收购的Hortonworks进行功能合并的结果。


Cloudera平台的一个关键部分是它的治理能力,它可以帮助运营商设置和维护元数据参数,包括安全性、法规遵从性和数据分析--甚至是跨云平台的数据分析。当然,其他独立的数据管理平台也正在追求多云治理。最终,每个人都会需要这样做。因为如果没有轻松的数据和应用程序的可移植性,我们就无法实现真正的多云数据。


这就是云2.0的核心和灵魂,也正是我们想从云1.0中想要得到的。


相关文章
|
存储 Java Maven
Javaweb之Maven仓库的详细解析
2.3 Maven仓库 仓库:用于存储资源,管理各种jar包 仓库的本质就是一个目录(文件夹),这个目录被用来存储开发中所有依赖(就是jar包)和插件
822 0
|
人工智能 安全 自动驾驶
通义灵码入职蔚来汽车,AI生成代码30%以上
通义灵码已正式应用于蔚来汽车智能座舱部门,近400名成员使用该工具,AI生成代码占比达30%以上,“天探”项目中甚至高达70%-80%。它通过提升代码开发效率、降低维护成本、智能生成单元测试及问题排查等功能助力研发。蔚来选择通义灵码看重其企业专属版的安全能力和知识管理功能。未来,期望AI编程将研发流程规范化,成为类似自动驾驶的高效指引工具。
600 5
|
人工智能 数据可视化 数据挖掘
AI竟能独立完成顶会论文!The AI Scientist-v2:开源端到端AI自主科研系统,自动探索科学假设生成论文
The AI Scientist-v2 是由 Sakana AI 等机构开发的端到端自主科研系统,通过树搜索算法与视觉语言模型反馈实现科学假设生成、实验执行及论文撰写全流程自动化,其生成论文已通过国际顶会同行评审。
1544 34
AI竟能独立完成顶会论文!The AI Scientist-v2:开源端到端AI自主科研系统,自动探索科学假设生成论文
|
9月前
|
运维 监控 安全
2025年10月远程控制软件评测:流畅度、群控能力,教你如何选最好用的远程桌面工具
2025年主流远程控制软件深度评测:基于性能、画质、安全与场景适配多维分析,推荐连连控为专业首选。其全平台兼容、4K高帧率、智能低延迟及批量管控能力突出,适合设计、运维等高要求场景,助力企业高效协同与数字化转型。
|
7月前
|
人工智能 算法 自动驾驶
光学动作捕捉系统全景测评:从专业标杆到创新入局,谁主沉浮?
本文深度测评NOKOV度量、魔神、从仔等主流动作捕捉系统,涵盖专业级到消费级方案。对比精度、延迟、同步能力等核心参数,解析光学标记点与无标记点技术差异,助您根据应用场景与预算,精准选择高性价比或高精度解决方案。
|
机器学习/深度学习 自然语言处理
Deepseek开源R1系列模型,纯RL助力推理能力大跃升!
近期Deepseek正式发布 DeepSeek-R1,并同步开源模型权重。DeepSeek-R1 遵循 MIT License,允许用户通过蒸馏技术借助 R1 训练其他模型。
3309 25
|
12月前
|
机器学习/深度学习 存储 移动开发
Chunked-Prefills 分块预填充机制详解
为解决传统静态或迭代调度中存在的资源浪费与延迟问题,Sarathi-Serve 提出了 chunked-prefills 和 stall-free scheduling 机制,通过将长 prompt 拆分为多个小块,并与 decode 请求混合调度,从而实现高吞吐与低延迟的平衡。
3169 2
Chunked-Prefills 分块预填充机制详解
|
Linux Docker Windows
最新可用Docker国内镜像源加速列表
本列表为科研工作者提供可用的Docker镜像网站,帮助网络不佳用户加速访问。内容包括多个国内主流Docker Hub镜像加速站,支持多种系统配置方法,如Ubuntu、macOS和Windows。提供详细使用教程和配置命令,适用于科研及开发环境。列表持续更新,建议收藏使用。
7298 3
|
12月前
|
编解码 算法 5G
MIMO雷达空间谱估计中Capon算法与MUSIC算法的对比分析及实现
MIMO雷达空间谱估计中Capon算法与MUSIC算法的对比分析及实现
1015 2