出名计算机图书出版公司 O’Reilly 近日依据其在线学习平台生成的数据公布了一份技术行业发展趋势的剖析报告。
报告指出，Python 曾经成为了最受欢迎的语言，而 JavaScript 的使用量只有 Python 的 20%。低代码和无代码编程将不可避免的扭转编程语言的性质。
另一方面，人工智能畛域和 Web 开发的增长仍在持续。无关云的应用和平安隐衷也都是重点倒退的趋势。
考察背景
O’Reilly 对技术行业的趋势剖析是基于其平台生成的数据。O’Reilly 在线学习的使用量始终在稳步增长，思考到 COVID-19 的暴发对技术行业带来的变动，这样的增长趋势并不令人意外。
对技术行业发展趋势的剖析并不是从哪一技术畛域在短期内迅速受到关注和风行来看的，而是通过长期的体现失去的察看。“趋势”和“潮流”不同，潮流通常是一闪而过的，但趋势是在更长的工夫范畴内展示进去的，在这个过程中甚至可能会有倒退的体现，但趋势的倒退是不会进行的，表象的背地有更多参考因素。
从编程语言的应用状况来看，Python 的使用量是最高的，与去年相比还回升了 27%。排在第二位的是 Java，比去年降落了 3%，第三是 C++，比去年回升了 10%。第四和第五别离是 C 和 JavaScript，使用量别离回升了 12% 和 40%。
令人诧异的一点是，JavaScript 尽管排名前五，但使用量却远远落后于 Python 和 Java，只能达到 Python 的 20% 和 Java 的 33%。
在前面的排名中，Rust 的增长非常明显，达到了 94%。不过，从一个较小基数开始的 Rust，增长 94% 并不是很难。
从统计数据能够看出，反而是 增长 16% 的 Go 语言曾经分明地确立了本人的位置。作为一种用于并发编程的语言，Rust 很可能建设本人的“零碎编程”位置：为云操作构建新的操作系统和工具。作为一种为数学计算而设计的语言 Julia 是一个乏味的未知因素。尽管在过来的一年里，它略有降落，然而咱们对它的长期机会持乐观态度。
咱们不应该将专门用于学习编程语言的题目与利用该语言或应用基于该语言的框架的题目离开应用。毕竟，许多 Java 开发人员应用 Spring，搜寻“Java”会脱漏内容，而题目中只有“Spring”这个词。对于 JavaScript 也是如此，它包含 React、Angular 和 Node.js 框架。在 Python 中，应用最多的库是 PyTorch 和 scikit-learn。下图显示了将 Python、Java 和 JavaScript 的内容增加到这些语言最重要的框架中时所产生的状况。
后果类似是难能可贵的，然而有一些要害的区别。为 Spring 增加应用和搜寻查问数据 (增长 7%) 扭转了 Java 的显著消退(净增长为零)。进一步来看 JavaScript，如果把最风行的框架 React、Angular 和 Node.js 的应用加进去，那么 JavaScript 使用率就回升到了 Python 的 50%，只比 Java 及其框架略低一点。然而，当 Python 被增加到大量应用的框架 PyTorch 和 scikit-learn 中时，它依然是显著的领先者。
咱们正在尝试建设一个更全面的语言应用图景，其中包含各种框架的应用。咱们并不是伪装这些框架自身具备可比性。Spring 次要用于后端和中间件开发（只管它包含一个 web 框架）; React 和 Angular 用于前端开发; scikit-learn 和 PyTorch 是机器学习库。只管它被宽泛应用，但咱们并没有将 TensorFlow 调配给任何语言; 它有 Python、Java、c + + 和 JavaScript 的绑定，并且不分明哪种语言占主导地位。此外，咱们还疏忽了所有这些语言的成千上万的小型平台、框架和库。一旦它们超过了前几名，就陷入了凌乱。
咱们不提倡应用 Python、Java 或任何其余语言。只管随着软件行业的倒退，它们的使用量会有不同水平的回升和降落，但这些顶级语言没有一种会隐没。然而，在进行比拟时，咱们须要留神到更多因素。
如果竞争并不重要，那么编程语言的重要趋势又是什么呢？咱们发现有几 个因素在显著地扭转着编程：
- 多范式语言
自去年以来，O’Reilly 在线学习的函数式编程内容使用量减少了 14%。然而，Haskell 和 Erlang 这两种经典的函数式语言并没有失去应有的器重，它们都没有大量的应用，并且都呈降落趋势（与去年同期相比降落了大概 20%）。面向对象编程比函数式编程的倒退更快: 自去年以来增长了 29%。这表明，理论状况是将函数个性集成到过程语言和面向对象语言中。从 2008 年的 Python 3.0 开始，到 2014 年的 Java 8，编程语言减少了高阶函数（lambdas）和其余“函数式”个性。一些风行的语言，包含 JavaScript 和 Go，从一开始就具备函数个性。这种趋势开始于 20 年前，(与 C++ 规范模板库一起)，咱们心愿这种趋势继续下去。
- 并发编程
用于并发性的平台数据显示，其年增长率为 8%。这不是一个很大的数字，然而不要因而错过这个趋势。Java 是第一个被宽泛应用的反对并发的语言。在 90 年代中期，线程反对是一种奢望，摩尔定律有很大的倒退空间。当初状况不同了，对并发性的反对，就像对函数式编程的反对一样。Go、Rust 和大多数其余古代语言都内置了对并发性的反对。不过，并发性始终是 Python 的弱点之一。
- 动静类型与动态类型
动静类型语言（如 Ruby 和 JavaScript）和动态类型语言（如 Java 和 Go）之间的区别能够说比函数式语言和面向对象语言之间的区别更为重要。不久前，在动静语言中增加动态类型的想法引发了一场争执。不过，当初曾经没有这种争执了。将各种范式联合起来造成一个混合体也在这里占据了主导地位。Python 3.5 减少了类型提醒，最近的版本减少了额定的动态类型个性。将动态类型增加到 JavaScript 中的 TypeScript 也实现了增长，年增长 12%。
- 低代码和无代码计算
对于一个学习平台来说，很难收集对于一种趋势的数据，这种趋势最大限度地缩小了学习的须要，然而低代码是实在存在的，而且势必会产生作用。电子表格是低代码计算的先驱。当 VisiCalc 在 1979 年首次公布时，它使数百万人无需学习编程语言就能够进行重要的计算。全民化是许多技术畛域的一个重要趋势，编程天然也是如此。
重要的不是不同语言之间的竞争，而是语言所要取得的性能，以及为什么具备这种个性。鉴于咱们仿佛曾经走到了摩尔定律的止境，并发性将成为将来编程的外围。咱们不能只是失去更快的处理器。咱们将在很长一段时间外在云中应用微服务和无服务器 / 性能即服务——这些都是固有的并发零碎。函数式编程并不能解决并发性的问题，然而不变性的准则必定有助于防止陷阱。随着软件我的项目不可避免地变得更大和更简单，语言通过混合函数个性来扩大本身是十分有意义的。咱们须要正在思考如何一起应用性能和面向对象性能的程序员。在构建企业级并发软件时，哪些实际和模式有意义？
低代码和无代码编程将不可避免地扭转编程和编程语言的性质:
- 将会有新的语言、新的库和新的工具来反对无代码或低代码的程序员。无论它们采取什么模式，都须要程序员来构建和保护。
- 简单的计算机辅助编码能够帮忙经验丰富的程序员。这是否意味着“与机器结对编程”，或者能够本人编写简略程序的算法，还有待察看。这些工具不会淘汰程序员，它们会使程序员更加高效。
- 能够预感，会有一部分拥护的声音，请疏忽这些，因为低代码能够将计算的能力交到更多人的手中。程序员不会被淘汰，而是变得更有效率，并且写出他人会用到的工具。
对于让平凡的上层人士进入程序员的畛域，能够预见到会有强烈的拥护声音。疏忽它。低代码是民主化静止的一部分，将计算的能力交到更多人的手中，这简直总是一件坏事。意识到这种变动意味着什么的程序员不会被非程序员赶出工作岗位。他们会变得更有效率，并且写出他人会用到的工具。
无论你是一个技术领导者还是一个新的程序员，请留神这些迟缓的长期趋势。他们将扭转整个行业的风貌。
DevOps vs SRE
在过来的十年中，IT 产生了根本性的变动。对于经营文化（通常称为 DevOps）、继续集成和部署（CI/CD）以及站点牢靠度（SRE)），曾经有了很多探讨。云计算曾经取代了数据中心、托管设施和外部机房。容器容许开发人员和经营部门之间进行更严密的集成，并且在标准化部署方面做了很多工作。
没有 NoOps 这种货色，像性能即服务这样的技术（又名 FaaS，又名 serverless，又名 AWS Lambda）只是扭转了它的实质。治理一个给定规模的基础架构所需的人数曾经缩小，然而咱们正在建设的基础架构曾经扩充，汇集数以万计的节点来训练或部署简单的 AI 应用程序很容易。即便这些机器都在亚马逊微小的数据中心，并且应用高度自动化的工具进行批量治理，经营人员依然须要放弃零碎安稳运行，监控，故障排除，并确保不会为不须要的资源付费。无服务器和其余云技术容许同一个操作团队治理更大的基础架构，它们不会使经营隐没。
过来一年中，以 DevOps 为题目的内容的使用量降落了 17%，而 SRE（包含“网站牢靠度”）回升了 37%，“operations”一词回升了 25%。尽管 SRE 和 DevOps 是截然不同的概念，但对于许多客户来说，SRE 是谷歌规模的 DevOps ——谁不想要这样的增长呢？SRE 和 DevOps 都强调类似的实际: 版本控制（GitHub 增长了 62%，Git 增长了 48%)、测试（使用率很高，但没有逐年增长）、继续部署（缩小了 20%）、监督（减少了 9%）和可察看性(减少了 128%)。Terraform 是 HashiCorp 用于自动化云基础设施配置的开源工具，也显示出强劲的增长（53%）。
乏味的是，从数据来看，Docker 简直没有变动（每年降落 5%），然而对于容器的内容使用率却飙升了 99%。所以，容器化显然是一件小事。Docker 自身可能曾经停滞不前了，然而 Kubernetes 作为容器编排工具的主导地位使容器处于核心位置。Docker 是使能技术，然而 Kubernetes 使得大规模部署集装箱成为可能。
Kubernetes 自身就是另一个超级明星，一年增长了 47%，同时也是这个群体中使用率最高的（也是最多的搜寻查问）。Kubernetes 不仅仅是一个编排工具，它还是云的操作系统（或者，正如 Kelsey Hightower 所说，“Kubernetes 将是分布式系统中的 Linux”）。然而数据并没有显示咱们与认为 Kubernetes 太“简单”的人们的对话次数。咱们看到 三种可能的解决方案：
1. 一个“简化”版本的 Kubernetes 尽管不那么灵便，然而却在很多复杂性之间进行衡量。K3s 是朝这个方向迈出的一个可能的步骤。问题是，这样做的代价是什么？这是我对 Pareto principle 的认识，也被称为 80/20 法令。给定任何零碎（比方 Kubernetes），通常能够通过保留最宽泛应用的 80% 的性能并削减其余 20% 的性能来构建更简略的货色。并且某些应用程序将适宜保留的 80%的性能。然而大多数应用程序将至多须要就义一些性能以简化零碎。
2. 一种全新的办法，尚未呈现的某些工具，目前咱们还不晓得该工具是什么。
3. 来自云供应商的集成解决方案（例如，微软的开源 Dapr 分布式运行时）。不是那些提供 Kubernetes 服务的云供应商。如果云供应商将 Kubernetes 的性能集成到他们的堆栈中，使得这些性能隐没在某种治理控制台中会怎么样？而后问题就变成了，你失去了哪些性能，是否须要它们？
围绕着 Kubernetes（Istio、Helm 和其余）的丰盛的工具生态系统显示了它的价值。然而咱们接下来该怎么办呢？即便 Kubernetes 是治理运行在云中的古代应用程序的复杂性的正确工具，对更简略解决方案的谋求最终将导致更简单的需要，它们足够吗？
可察看性在过来一年中增长最快，达到了 128%，而监测只增长了 9%。尽管可察看性比监测能力更丰盛、更弱小。但这种转变在很大水平上只是外表上的。“可察看性”有可能成为监测的新名称。如果你认为可察看性仅仅是一个更风行的监测术语，那就失去了它的价值。运行在云中的简单零碎须要真正的可察看性能力治理。
基础设施就是代码，咱们曾经看到了很多自动化配置的工具。然而 Chef 和 Puppet，均大幅降落（别离为 49% 和 40%），Salt 也是如此。Ansible 是这其中惟一回升的工具，回升了 34%。有两种趋势造成了这种状况，Ansible 仿佛取代了 Chef 和 Puppet，这可能是因为 Ansible 是多语言的，而 Chef 和 Puppet 与 Ruby 无关。第二，Docker 和 Kubernetes 扭转了配置。数据显示，Chef and Puppet 在 2017 年达到高峰，过后 Kubernetes 开始了简直一个指数增长的暴发。容器化部署仿佛能够最大水平地缩小可反复配置的问题，因为容器是一个残缺的软件包。如果有一个容器，你能够屡次部署它，每次失去雷同的后果。实际上，它素来没有那么简略，只是这种外表上的简略性缩小了对 Chef 和 Puppet 等工具的需要。
将来，经营团队面临的最大挑战以及数据工程师面临的最大挑战将是学习如何无效部署 AI 零碎。在过来的十年里，DevOps 静止产生了很多想法和技术，源代码库疾速的自动化部署，一直的测试等等。它们十分无效，然而人工智能突破了它们背地的假如，而且部署常常是人工智能胜利的最大阻碍。
人工智能突破了这些假如，因为数据比代码更重要。咱们还没有足够的工具来对数据进行版本控制（只管 DVC 是一个开始）。模型既不是代码也不是数据，而且咱们也没有足够的工具用于版本控制模型。频繁部署假设软件能够绝对疾速地构建，然而训练一个模型可能须要几天工夫。有人倡议模型训练不须要成为构建过程的一部分，但这的确是应用程序中最重要的局部。测试对于间断部署是至关重要的，然而人工智能零碎的行为是概率性的，而不是确定性的，所以很难说这个测试或那个测试失败了。如果测试包含公平性和偏见这样的问题，那么测试就特地艰难。
尽管有一个新生的 MLOps，咱们的数据并没有显示人们正在应用（或搜寻）这些畛域的大量内容。在许多畛域中，内容还不存在。然而无论内容是否存在，用户都会搜寻内容，因而大量的搜寻表明咱们大多数用户尚未意识到问题所在。经营人员过于频繁地认为人工智能零碎只是另一个应用程序，但他们错了。人工智能开发人员认为，一个经营团队将可能部署他们的软件，并且可能持续进行下一个我的项目，然而他们也错了。随着新一代工具的呈现，这些问题最终将失去解决。事实上，这些工具曾经在开发之中，但咱们还没有做到这一点。
人工智能、机器学习和数据
人工智能的衰弱倒退仍在持续: 机器学习回升了 14%，人工智能回升了 64% ; 数据迷信回升了 16%，统计学回升了 47%。尽管人工智能和机器学习是两个截然不同的概念，然而它们的定义却常常被混同应用。咱们非正式地将机器学习定义为“人工智能中工作的局部”，人工智能自身更多的是面向钻研的和有抱负的。如果你承受这个定义，那么对于机器学习的内容被宽泛应用也就难能可贵了: 它是对于将钻研带出实验室并付诸实践。咱们看到人工智能的稳步发展也难能可贵，因为这正是前沿工程师们寻找新思路，将其转化为机器学习的中央。
的确有一些指标能够说人工智能曾经停滞不前了，许多我的项目从未投入生产。尽管去年在自然语言解决方面获得了惊人的提高，回升了 21%，比方 OpenAI 的 GPT-3，但像博得 Go 游戏这样的惊人后果却越来越少。人工智能（以及机器学习、数据、大数据和他们所有的伙伴）可能正在进入低谷。但咱们认为，要把以后的研究成果利用到商业产品中，还须要多年的致力。
人工智能的将来与其说是惊人的冲破和令人不寒而栗的面部或语音辨认，不如说是玲珑平庸的利用。人工智能在 COVID 疫苗的开发中施展了微小的作用。人工智能正在表演一个重要的反对角色。它使钻研人员可能浏览数以万计的钻研论文和报告，设计可能无效的药物和基因，并剖析数以百万计的衰弱记录。如果不能使这些工作自动化，那么很难组织疫情的扩散。
因而，咱们看到了人工智能和机器学习的将来:
- 自然语言始终是（并将持续是）一个大问题。GPT-3 扭转了世界，咱们将发现人工智能为咱们提供了最好的工具来检测什么是假的，什么不是。
- 许多公司在应用人工智能来自动化服务客户，咱们在合成语音、生成事实的答案和寻找解决方案的能力上获得了微小的提高。
- 咱们将看到许多渺小的嵌入式人工智能零碎利用于从医疗传感器到电器到工厂车间的各个领域。任何对技术将来感兴趣的人都应该十分认真地察看 Pete Warden 在 TinyML 上的工作。
咱们依然没有正视人类和人工智能合作的用户界面问题。咱们不止心愿人工智能代替人类做某些工作，而是心愿人工智能可能与人合作，产生比人类或机器独自所能产生的更好的后果。
TensorFlow 是机器学习平台中的领导者，搜寻次数最多，使用率稳固在 6%。Python 的机器学习库 scikit-learn 的内容简直同样被大量应用，年增长率为 11%。PyTorch 位列第三，然而 PyTorch 内容的使用量同比增长了 159%。毫无疑问，这种增长是受到 Jeremy Howard 的《面向程序员的实用深度学习》课程和基于 PyTorch 的 fastai 库的遍及的影响。看起来 PyTorch 在钻研人员中更受欢迎，而 TensorFlow 在生产中仍占主导地位。然而随着 Jeremy 的学生进入工业畛域，随着钻研人员转向生产岗位，咱们心愿看到 PyTorch 和 TensorFlow 之间的均衡产生转变。
Kafka 是构建数据管道的一个重要工具，它很稳固，增长率和使用率与 Spark 类似，为 6%。Kafka 的“下一代”竞争对手 Pulsar 还没有呈现在排名中。
在过来的一年中，用于自动化 AI 和机器学习开发的工具（IBM 的 AutoAI、谷歌的 Cloud AutoML、微软的 AutoML 和亚马逊的 SageMaker）受到了宽泛关注。然而咱们没有看到任何迹象表明他们正在市场上获得重大进展。可能是 AutoAI 绝对较新，或者用户认为他们不须要搜寻补充训练资料。
那么数据迷信呢？这份报告《什么是数据迷信》曾经出版了 10 年。但令人诧异的是，对于一篇 10 年前的论文来说，该报告的浏览量比 2019 年增长了 142%。然而工具曾经产生了变动，十年前，Hadoop 是数据迷信世界的核心，当初它依然存在，然而只是一个遗留零碎，自 2019 年以来降落了 23%。Spark 当初是占主导地位的数据平台，而且它必定是工具工程师们想要理解的。Spark 内容的应用大概是 Hadoop 的三倍。但即便是 Spark，自去年以来也上涨了 11%。Ray 是新呈现的，无望让构建分布式应用程序变得更加容易，然而还没有显示与 Spark（甚至 Hadoop）匹配的应用状况，然而它显示了 189% 的增长。还有一些其余的工具行将呈现，比方，Dask 比 Ray 更新，并且增长了近 400%。
另外，诸如道德、偏心、透明度和可解释性等主题并不会对咱们的数据造成影响。可能是因为很少出版这些方面的书籍，也没有提供培训课程，但这自身就是一个问题。
Web 开发
自从 2 0 世纪 90 年代初创造了 HTML，第一个 Web 服务器和第一个浏览器呈现，Web 曾经成为了各种平台。这些平台使得网络开发变得更加灵便，它们使得反对大量的设施和屏幕尺寸成为可能。它们使构建在浏览器中运行的简单应用程序成为可能。
那么 Web 框架的世界是什么样的呢？React 在内容应用方面处于领先地位，并且也显示出显着增长（同比增长 34%）。只管有传言说 Angular 正在衰败，但它是排名第二的平台，增长了 10%。而服务器端平台 Node.js 的内容使用率仅次于 Angular，增长了 15%。
更令人诧异的是，Ruby on Rails 在经验了几年稳固的性能之后，显示出了十分强劲的增长（年增长率为 77%）。同样，Django（与 Rails 呈现的工夫大致相同）显示了大量的应用和 63% 的增长。但这种增长并不适用于所有较老的平台。只管近 80% 的网站仍在应用 PHP 的内容，但 PHP 的使用率绝对较低，而且还在降落（降落了 8%）。尽管 jQuery 显示了 18% 的衰弱增长，然而 jQuery 内容的使用率比咱们看到的任何其余平台都要低。
令人诧异的是，Vue 和 Flask 体现得很弱，对于这两个平台，内容使用量只有 React 的八分之一。与 Vue 相干的含量在过来一年降落了 13%，而 Flask 增长了 10%。人们很容易认为 Flask 和 Vue 是“新”平台，但它们别离在 2010 年和 2014 年公布。Svelte 和 Next.js 这两个最有前途的新平台还没有产生足够的数据，可能是因为还没有足够的内容能够应用。同样地，WebAssembly 也没有呈现。然而 WebAssembly 代表了对网络编程的从新思考，值得亲密关注。兴许会产生是否彻底颠覆 JavaScript 在 Web 开发畛域的统治位置的事，但这不会很快，因为企业用户将不违心承当从一个老的框架（比方 PHP）转移到一个更时尚的 JavaScript 框架的老本。
HTML、CSS 和 JavaScript 等根底技术的使用率均呈现出衰弱增长（别离为 22%、46% 和 40%），只管它们落后于当先的框架。咱们曾经留神到，JavaScript 是顶级编程语言之一，而古代 Web 平台如果不是 JavaScript 的榜样，那就什么都不是。万维网最后的愿景是心愿所有人不须要成为一个技术极客，甚至不须要编程，只需在浏览器中点击“查看源代码”，而后从其余网站上复制喜爱的内容即可。但二十五年后，状况已不再如此，尽管依然能够“查看源代码”，但看到的只是大量难以了解的 JavaScript。具备讥刺象征的是，和其余技术一样，Web 开发越来越多地成为程序员的畛域。咱们期待看到这种趋势会被新一代的平台所扭转，还是通过网络自身的重构。
各种各样的云
云计算正在迅速增长，这并不令人诧异。自去年以来，云计算内容的使用量回升了 41%。Amazon Web Services、Microsoft Azure 或 Google Cloud 的应用增长速度更快，达到了 46%。只管大多数公司都在以某种模式应用云服务，许多公司曾经将重要的业务要害应用程序和数据集转移到云计算中，但咱们还有很长的路要走。如果有一个技术趋势你须要把握，那就是它。
当先的云供应商 AWS、Azure 和 Google Cloud 之间的竞争中，亚马逊的增长曾经停滞，目前仅为 5%。无关 Azure 内容的应用显示了 136% 的增长，比任何竞争对手都要高，而 Google Cloud 84% 的增长率并不低。随着 Azure 和 Google Cloud 的增长，亚马逊的统治位置可能会发生变化。
作为一家云计算公司，微软在重塑本身形象方面做得十分杰出。在过来的十年里，微软从新思考了其业务的方方面面。当初，微软曾经成为开源畛域的领导者，它领有 GitHub 和 LinkedIn。很难设想还有哪个公司的改革如此激进。
谷歌面临着一系列不同的问题。12 年前，这家公司能够说是通过 App Engine 实现了无服务。它开源了 Kubernetes，并且在人工智能畛域的领先地位高低了很大的赌注，当先的人工智能平台 TensorFlow 高度优化，能够在谷歌的硬件上运行。那么，为什么它排在第三位呢？谷歌的问题不在于其提供前沿技术的能力，而在于其接触客户的能力。Google Cloud 首席执行官 Thomas Kurian 正试图解决这个问题。
尽管咱们的数据显示，云计算内容的使用率增长十分强劲，但对于“多云”和“混合云”等术语，以及谷歌的 Anthos 或微软的 Azure Arc 等特定的混合云产品，并没有显示出显著的应用状况。这些都是新产品，很少有内容存在，所以使用率低并不奇怪。然而在这种状况下，特定云技术的应用并不是那么重要，更重要的是，所有云平台的应用都在增长，尤其是与任何供应商无关的内容。咱们也看到咱们的企业客户正在应用逾越所有云供应商的内容，很难找到任何人正在寻找繁多的供应商。
不久前，咱们还对混合云和多云持狐疑态度。咱们很容易认为这些概念是从排名第二、第三、第四或第五的供应商头脑中产生的空想。如果你不能从亚马逊博得客户，至多你能够从他们的业务中分得一杯羹。云计算实质上是混合的，工程师无奈为某些我的项目取得资源，因而他们创立了一个 AWS 帐户，账单记在公司的信用卡上。而后，另一个团队中的某个人遇到了同样的问题，然而应用了 Azure。接下来是一次收买，这家新公司曾经在 Google Cloud 上建设了本人的基础架构。而且外部存在数 PB 的数据，而且这些数据受到监管要求的限度，很难挪动。很多人没有意识到须要一个连贯的云策略之前，一些公司早就有了混合云。等到高管们制订总体规划的时候，市场营销、销售和产品开发畛域曾经呈现了一些要害工作的应用程序。
所有的云供应商，包含亚马逊都被一种策略所吸引，这种策略不是将客户锁定在特定的云中，而是促成混合云的治理，所有这些供应商都提供反对混合云开发的工具。他们晓得对混合云的反对是采纳云的要害。而且，如果存在任何锁定，那将是围绕治理的。正如 IBM 的 Rob Thomas 常常说的，“云是一种性能，而不是一个地位。”
正如预期的那样，咱们看到人们对微型服务兴趣浓厚，同比增长 10%，尽管不算大，但依然衰弱。无服务也显示了 10% 的增长，但使用率较低。尽管它“感觉上”曾经停滞不前，但数据表明，它正在与微服务并行增长。
平安与隐衷
平安问题始终十分重要，防御者必须正确处理成千上万的货色，而攻击者只需发现一个破绽。而且，这个谬误可能是由大意的用户而不是 IT 人员犯下的。最重要的是，公司往往在平安方面投资有余。
然而，过来 10 年产生了很多黑客入侵事件，牵扯数十亿美元的资金，并导致很多高管辞职和辞退。对于企业是否汲取了教训，这些数据并没有给出一个清晰的解释。尽管咱们防止探讨相对用法，然而无关安全性的内容的使用率十分高，比除了次要的编程语言如 Java 和 Python 之外，其它任何主题的使用率都高。兴许更好的比拟是将安全性与通用主题（如编程或云）进行比拟。如果采纳这种办法，编程的使用量将比安全性大，而安全性仅落后于云。因而，无关安全性的内容的使用率的确很高，与去年同期相比增长了 35%。
人们广泛应用的是认证资源，CISSP 内容和培训占个别平安内容的 66%，自 2019 年以来略有降落。对于 CompTIA Security + 认证的内容使用率约为个别安全性的 33%，增长率为 58%。
人们对黑客行为的趣味相当浓重，增长了 16%。乏味的是，道德黑客行为（黑客行为的一个子集）的使用率只有黑客行为的一半，并且增长了 33%。所以咱们在“坏蛋”和“好人”之间平分秋色，然而“坏蛋”的增长速度更快。浸透测试被认为是一种道德黑客，数据显示了 14% 的降落，这种转变可能只是反映了哪个术语更受欢迎。
除了这些类别之外，咱们还看到了长尾效应，网络钓鱼和勒索软件等特定主题的内容只有极少的应用，只管勒索软件的使用量同比增长了 155%。这种增长无疑反映了过来一年勒索软件攻打的频率和重大水平。“零信赖”（zero trust）的内容也减少了 130%，这是一种用于建设可进攻网络的技术。不过，这种技术的使用量依然很小。
令人悲观的是，咱们简直看不到对于隐衷的内容，包含对于 GDPR 等具体监管要求的内容。咱们没有看到大量的应用，也没有看到增长，甚至没有看到大量的搜寻查问。
咱们曾经浏览了很大一部分技术畛域。各畛域间的竞争以及背地更深层次的故事。趋势不仅仅是最新的风行，它们也是长期的过程。容器化能够追溯到 1979 年的 Unix 版本 7。Sun Microsystems 在 20 世纪 90 年代用它的工作站和 Sun Ray 终端创造了云计算。咱们可能会议论“互联网时代”，但最重要的趋势逾越了几十年，而不是几个月或几年，而且往往波及从新创造那些有用但被忘记的技术，或者那些在时代之前就曾经呈现的技术。
思考到这一点，让咱们退后几步，思考一下全局。咱们如何利用人工智能利用所需的计算能力？咱们曾经探讨并发性几十年了，但它只是一种对于大型数字解决工作十分重要的外来能力。咱们探讨系统管理曾经有几十年了，在此期间，IT 人员与计算机管理人员的比例曾经从多对一变成了一对几千（对云中的基础架构进行监控）。作为这一倒退的一部分，自动化也从一种抉择变成了一种必要。
咱们都据说过“每个人都应该学会编程。”这句话可能是正确的，也可能不是。这并不意味着每个人都应该是一个业余的程序员，而是每个人都应该可能无效地应用计算机，这就须要编程。无代码和低代码产品正在进入市场，容许用户构建从业务应用程序到人工智能原型的所有。同样，这种趋势能够追溯到 20 世纪 50 年代末，第一种古代编程语言使编程变得更加容易。低代码 AI 和简单的 JavaScript 网络平台对将来可能带来的认识互相矛盾。
最初，最重要的趋势可能还没有呈现在这些数据中。就监管和立法而言，技术在很大水平上是收费的。像医疗保健和金融这样的行业受到了严格的监管，然而社交媒体、大部分机器学习，甚至大部分在线商务都只受到了轻微的监管。收费的时代行将完结。
这个行业倒退太快，毁坏了太多货色。在这种状况下，应该更加关注隐衷和相干话题。当初，咱们面临的问题很简略，那就是该用技术建设什么样的将来。