|
|
知识路径： > 电子商务新技术与新应用 > 云计算 > 云计算技术 > 云计算技术 >
|
|
相关知识点：9个
|
|
|
|
|
|
|
计算多样化的时代，数据的爆炸愈演愈烈，人工智能、虚拟现实等技术的突飞猛进对高性能计算的需求陡然剧增，CPU性能增速放缓，由CPU和GPU构成的异构加速计算体系，成为整个计算领域的必然趋势，GPU在高性能计算领域的作用愈发明显。
|
|
|
|
AI基础设施市场爆发，GPU用量猛增。近几年，国家政策的导向与资本市场的推动造就了人工智能产业的快速发展，生态逐渐趋于完善，在一定程度上拉动了对基础设施的算力需求。GPU服务器的超强并行计算能力与人工智能相得益彰，得到长足发展。
|
|
|
|
GPU云化可大幅缩减交付周期与使用成本，降低使用门槛。GPU服务器势头强劲的同时也伴随一些问题，服务器造价高昂、交付实施周期长、配置复杂等限制了GPU的使用范围。GPU云化成为破解这一症结的有效方案，GPU云主机可以实现小时级的快速交付，更及时地响应用户需求，灵活的计费模式实现真正的按需计费，大大减少了使用成本。GPU云服务使GPU的强大算力向更宽广的范围蔓延，深度赋能产学研领域。
|
|
|
|
GPU云服务可针对不同应用场景优化配置，易用性大幅提升。根据中国信息通信研究院的可信云GPU评估结果显示，国内主流云服务商的GPU产品均针对特定的使用场景进行了优化，对科学计算、图形渲染、机器学习、视频解码等热门应用领域分别推出不同规格的实例，更加贴合应用；预先集成的GPU加速框架，免除了纷繁复杂的配置工作。
|
|
|
|
|
|
（1）微服务架构技术发展愈加成熟。微服务作为一种崭新的分布式应用解决方案在近两年获得迅猛发展。微服务指将大型复杂软件应用拆分成多个简单应用，每个简单应用描述着一个小业务，系统中的各个简单应用可被独立部署，各个应用之间是松耦合的，每个应用仅关注于完成一件任务并很好地完成该任务。相比传统的单体架构，微服务架构具有降低系统复杂度、独立部署、独立扩展、跨语言编程等特点。与此同时，架构的灵活、开发的敏捷同时带来了运维的挑战。应用的编排、服务间的通信成为微服务架构设计的关键因素。目前，在微服务技术架构实践中主要有侵入式架构和非侵入式架构两种实现形式。
|
|
|
|
（2）微服务架构行业应用深入，侵入式架构占据主流市场。微服务架构在行业生产中得到了越来越广泛的应用，例如Netflix已经有大规模生产级微服务的成功实践。而以SpringCloud和Dubbo为代表的传统侵入式开发架构占据着微服务市场的主流地位。侵入式架构将流程组件与业务系统部署在一个应用中，实现业务系统内的工作流自动化。随着微服务架构在行业应用中的不断深入，其支持的业务量也在飞速发展，对于架构平台的要求也越来越高。由于侵入式架构本身服务与通信组件互相依赖，当服务应用数量越来越多时，侵入式架构在服务间调用、服务发现、服务容错、服务部署、数据调用等服务治理层面将面临新的挑战。
|
|
|
|
（3）服务网格推动微服务架构进入新时代。服务网格是一种非侵入式架构，负责应用之间的网络调用、限流、熔断和监控，可以保证应用的调用请求在复杂的微服务应用拓扑中可靠地穿梭。服务网格通常由一系列轻量级的网络代理组成（通常被称为SideCar模式），与应用程序部署在一起，但应用程序不需要知道它们的存在。服务网格通过服务发现、路由、负载均衡、健康检查和可观察性来帮助管理流量。自2017年初第一代服务网格架构Linkerd公开使用之后，Envoy、Conduit等新框架如雨后春笋般不断涌现。2018年初Google、IBM和Lyft联合开发的项目Istio的发布，标志着服务网格带领微服务架构进入新的时代。
|
|
|
|
|
|
近年来，互联网服务从最早的物理服务器托管、虚拟机、容器，发展到如今的函数即服务（FaaS），即无服务架构。无服务架构是一种特殊类型的软件体系结构，在没有可见的进程、操作系统、服务器或者虚拟机的环境中执行应用逻辑，这样的环境实际上运行在操作系统之上，后端使用物理服务器或者虚拟机。它是一种“代码碎片化”的软件架构范式，通过函数提供服务。函数即一个可以在容器内运行的小的代码包，提供的是相比微服务更加细小的程序单元。具体的事件会唤醒函数，当事件处理完成时完成调用，代码消失。
|
|
|
|
2014年，AWS推出首个业界云函数服务Lambda。随后几年，各大云计算厂商相继推出自己的云函数服务，不同厂商的函数计算服务所支持的编程语言和函数触发的事件源各有不同。随着无服务架构的兴起，越来越多的开源项目如OpenWhisk、OpenFaaS、Kuberless等开始参与其中，并凭借各自特点正在影响着无服务架构的技术走向。
|
|
|
|
无服务架构将服务器与应用解耦，降低了运维成本，带动了规模经济效益。无服务架构的横向伸缩是完全自动化高弹性的，由于只调用很小的代码包，调用和释放的速度更快了，用户只需为自身需要的计算能力付费，计费粒度可细化至秒级。服务器部署、存储和数据库相关的所有复杂性工作都交由服务商处理，软件开发人员只需专注于与核心业务相关的开发工作，更有效地贯彻敏捷开发理念。同时，服务商运营管理着预定义的应用进程甚至是程序逻辑，当同时共用同一服务的用户达到一定量级将会带来较大的规模经济效益。
|
|
|
|
无服务架构促进持续部署成为新常态。无服务架构可以用来实现业务灵活性的持续部署。通过全自动化的基础设施堆栈的配置和代码部署，让任何并入主干中的代码更改都自动升级到包括生产环境在内的所有环境，可以对任何环境进行应用或回滚变更。当前主流技术架构下持续部署对许多公司仍旧难以实现，无服务技术可以有效弥补用户运维水平的不足，将持续部署带来的红利惠及更广范围。
|
|
|
|
无服务架构打破了以往的惯性思维，并提供了一个极具成本效益的服务。无服务架构仅有两年的历史，目前仍处于起步阶段。但在未来这个领域还会有更大的进步，它将带来软件开发和应用程序部署的一种全新体验。
|
|
|
|
|
|
（1）IT运维从基础运维向平台运维、应用运维转型升级。随着云计算的发展，IT系统变得越发复杂，运维对象开始由运维物理硬件的稳定性和可靠性演变为能够自动化部署应用、快速创建和复制资源模板、动态扩缩容系统部署、实时监控程序状态，以保证业务持续稳定运行的敏捷运维。同时，开发、测试、运维等部门的工作方式由传统瀑布模式向DevOps（研发运营一体化）模式转变。从软件生命周期来看，第一阶段开发侧需运用敏捷实践处理内部的效率问题，第二阶段需基于持续集成构建持续交付，解决测试团队、运维上线的低效问题，第三阶段持续反馈需使用可重复、可靠的流程进行部署，监控并验证运营质量，并放大反馈回路，使组织及时对问题做出反应并持续优化更改，以提高软件交付质量，加快软件发布速度。
|
|
|
|
（2）DevOps提升软件生命周期效率。DevOps被定义为一组过程、方法与系统的统称，强调优化开发（Dev）、质量保障（QA）、运维（Ops）部门之间的沟通合作，解决运维人员人工干预较多、实时性差等痛点，变被动运维为主动运维，通过高度自动化工具链打通软件产品交付过程，使得软件构建、测试、发布更加快捷、频繁和可靠。据中国信息通信研究院的DevOps能力成熟度评估结果显示，金融机构核心业务仍采用集中式管理方式为主，但外围业务已经开始或已使用了分布式架构，自动化、智能化运维推动金融行业的业务创新。而运营商向云化转型则更注重对云管理平台的需求，如能够支持资源的动态分配和调度、业务监控、故障分析预警、数据库监控以及日常运维的全流程。随着非结构化数据数量激增，运营商通过数据挖掘和分析技术，以提升客户满意度和业务效率是未来的发展目标。DevOps实践贯穿软件全生命周期，提升了传统行业整体效率。
|
|
|
|
（3）智能化运维将成未来发展趋势。DevOps拉通了运维管理体系，海量数据计算、存储、应用和安全等多种需求出现，运维需借助先进的自动化运维管理模式来实现大体量下的系统管理。在大数据技术的背景下，智能运维AIOps被提出，即Artificial Intelligence for IT Operations。AIOps是将人工智能应用于运维领域，通过机器学习的方式对采集的运维数据（日志、监控信息、应用信息等）做出分析、决策，从而达到运维系统的整体目标。目前，AIOps主要围绕质量保障、成本管理和效率提升三方面逐步构建智能化运维场景，在质量保障方面，保障现网稳定运行细分为异常检测、故障诊断、故障预测、故障自愈等基本场景；在成本管理方面，细分为指标监控、异常检测、资源优化、容量规划、性能优化等基本场景；在效率方面，分为智能预测、智能变更、智能问答、智能决策等基本场景。AIOps虽然在互联网、金融等行业有所应用，但仍处于发展初期，未来智能化运维将成为数据分析应用的新增长点和发展趋势。
|
|
|
|
|
|
边缘计算是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
|
|
|
|
边缘计算与云计算互为补充。在当今物联网迅猛发展的阶段，边缘计算作为物联网的“神经末梢”，提供了对于计算服务需求较快的响应速度，通常情况下不将原始数据发回云数据中心，而直接在边缘设备或边缘服务器中进行数据处理。云计算作为物联网的“大脑”，会将大量边缘计算无法处理的数据进行存储和处理，同时会对数据进行整理和分析，并反馈到终端设备，增强局部边缘计算能力。
|
|
|
|
边缘计算与云计算协同发展，打造物联网新的未来。在边缘设备上进行计算和分析的方式有助于降低关键应用的延迟、降低对云的依赖，能够及时地处理物联网生成的大量数据，同时结合云计算特点对物联网产生的数据进行存储和自主学习，使物联网设备不断更新升级。以自动驾驶汽车为例，通过使用边缘计算和云计算技术，自动驾驶汽车上的边缘设备将传感器收集的数据在本地进行处理，并及时反馈给汽车控制系统，完成实时操作；同时，收集的数据会发送至云端进行大规模学习和处理，使自动驾驶汽车的AI在可用的情况下从云端获取更新信息，并增强局部边缘的神经网络。
|
|
|
|
|
|
云网融合已经成为ICT发展的趋势。伴随着互联网进入大流量、广互联时代，业务需求和技术创新并行驱动加速网络架构发生深刻变革，云和网高度协同，不再各自独立。云计算业务的开展需要强大的网络能力的支撑，网络资源的优化同样要借鉴云计算的理念，随着云计算业务的不断落地，网络基础设施需要更好的适应云计算应用的需求，更好的优化网络结构，以确保网络的灵活性、智能性和可运维性。
|
|
|
|
云间互联是云网融合的一个典型场景。以云间互联为目标的网络部署需求日益旺盛。随着云计算产业的成熟和业务的多样化，企业可根据自身业务需求和实际成本情况选择不同的云服务商提供的云服务，这也形成了丰富的云间互联业务场景，如公有云内部互通、混合云和跨云服务商的公有云互通。据中国信息通信研究院的混合云评估结果显示，当前混合云的组网技术主要以VPN和专线为主，而SD-WAN由于其快速开通、灵活弹性、按需付费等特性也逐渐被人们所关注。在云间互联场景下，云网融合的趋势逐渐由“互联”向“云+网+ICT服务”和“云+网+应用”过渡，云间互联只是过程，最终目的是达成云网和实际业务的高度融合，包括服务资源的动态调整、计算资源的合理分配以及定制化的业务互通等。
|
|
|
|
云网融合的另一个场景是电信云。电信云基于虚拟化、云计算等技术实现电信业务云化，基于NFV、SDN实现网络功能自动配置和灵活调度，基于管理与编排实现业务、资源和网络的协同管理和调度。电信云与云间互联不同，它更关注的是运营商网络的云化转型，包括核心网、接入网、传输网以及业务控制中心等多个层面的网元都可以按云化的方式部署，最终实现运营商网络的软化和云化。
|
|
|
|
|
|
如今，开源社区逐渐成为云计算各巨头的战场，云计算厂商开始纷纷拥抱开源技术。
|
|
|
|
（1）容器方面。2017年，微软、AWS等云计算巨头厂商先后以白金会员身份加入Linux基金会旗下的云原生计算基金会（CNCF），以加强对Kubernetes开源技术的支持。阿里云更是在2017年两度晋级，从黄金会员到白金会员。截至2018年3月，CNCF白金会员的数量达到18家，黄金会员数量8家，银牌会员的数量148家。
|
|
|
|
（2）虚拟化管理方面。以全球最大的云计算开源社区OpenStack为例，截止到2018年7月，共有白金会员8家，黄金会员20家，合作伙伴104家。其中，我国企业占据了一半的黄金会员席位。同时，华为、九州云、烽火通信、EasyStack、中兴等厂商在OpenStack各版本贡献中持续处于全球前列。此外，OpenStack基金会的会员还包括Intel、Red Hat、Rackspace、爱立信等国际巨头厂商。
|
|
|
