共计 2770 个字符，预计需要花费 7 分钟才能阅读完成。
在现收现付定价模式的背地，私有云中有最新最好的开发、devops 和 AI 工具，用于更快地构建更好、更智能的应用程序。
当咱们想到公共云时，通常首先联想到的是财务收入：将工作负载从靠近容量的数据中心转移到云会缩小资本收入 (CapEx)，但会减少经营收入 (OpEx)。这对财务管理者的吸引力具备两面性，但对于开发人员、经营人员或将两者联合为 devops 的人来说，其作用仍不容小觑。
对于这些人来说，云计算提供了许多在新软件服务须要购买新的服务器硬件或企业软件套件时根本无法取得的机会。在本地部署须要六个月的工夫，有时在云中只须要 10 分钟。须要来自三个治理级别的签名能力创立本地部署的费用能够从云中的账单估算中扣除。
这不仅仅是工夫和不便的问题。云还能够进步软件开发的速度，这通常会缩短上市工夫。云还能够容许更多的试验，这通常会带来更高的软件品质。
此外，云中有真正的翻新能够提供间接的益处并解决本地计算长期存在的问题。上面为大家介绍 16 种备受关注的云性能。
1、按需计算实例
如果要在本地服务器上安装新数据库，那么可能须要期待数月甚至数年。如果可能应用本地虚拟机 (VM) 而不是物理服务器，并且企业应用 VMware 或相似技术，那么等待时间将会缩减至数周。
然而，如果想在公共云上创立一个服务器实例，企业能够在大概 15 分钟内配置并运行它，并且可能依据须要调整它的大小，在不应用它时将其敞开。
2、预建的虚拟机镜像
应用企业抉择的操作系统启动 VM 很不便，但依然须要装置和许可企业须要的应用程序。可能启动一个带有企业抉择的操作系统和应用程序的虚拟机并筹备好运行是非常宝贵的。
3、无服务器服务
“无服务器”意味着一项服务或一段代码将在短时间内按需运行，通常是为了响应事件，而不须要在其上运行的专用 VM。如果服务是无服务器的，那么基本不须要放心底层服务器；资源是从云提供商保护的池中调配的。
目前在每个次要公共云上都可用的无服务器服务通常具备主动扩大、内置高可用性和按价值付费的计费模式。如果企业想要一个不受任何特定公共云限度的无服务器应用程序，能够应用供应商中立的无服务器框架，例如 Kubeless，它只须要一个 Kubernetes 集群。
4、按需容器
容器是软件的轻量级可执行单元，比虚拟机轻得多。容器打包利用程序代码及其依赖项，例如库。容器共享主机的操作系统内核。
容器能够在 Docker Engine 或 Kubernetes 服务上运行。按需运行容器具备按需运行虚拟机的所有劣势，以及须要更少资源和老本更低的额定劣势。
5、预建容器镜像
Docker 容器是 Docker 镜像的可执行实例，由 Dockerfile 指定。Dockerfile 蕴含构建映像的阐明，并且通常基于另一个映像。例如，蕴含 Apache HTTP Server 的映像可能基于 Ubuntu 映像。企业能够在 Docker 注册表中找到预约义的 Dockerfile，也能够构建本人的。还能够在本地装置的 Docker 或任何反对容器的云中运行 Docker 映像。
与事后构建的虚拟机映像一样，Dockerfile 能够疾速启动残缺的应用程序，但与 VM 映像不同，Dockerfile 与供应商无关。
6、Kubernetes 容器编排
Kubernetes (K8s) 是一个开源零碎，用于主动部署、扩大和治理容器化应用程序。K8s 基于谷歌外部的“Borg”技术。K8s 集群由一组称为节点的工作机器组成，它们运行容器化的应用程序。
Worker 节点托管 Pod，其中蕴含应用程序；管制立体管理工作节点和 Pod。K8s 能够在任何中央运行，并且能够有限扩大。各大公有云都有 K8s 服务；企业也能够在本人的开发机器上运行 K8s。
7、主动缩放服务器
企业不用将应用程序容器化并在 Kubernetes 下运行它们以在云中主动扩大它们。大多数公共云容许用户通过增加（或缩小）实例或减少（或缩小）实例大小来依据应用状况主动向上（或向下）扩大虚拟机和服务。
8、行星数据库
次要的公共云和几家数据库供应商曾经施行了寰球规模的分布式数据库，这些数据库具备数据结构、冗余互连和分布式共识算法等根底，使它们可能高效工作并具备高达 5 个 9 的可靠性（99.999% 的失常运行工夫）。
9、混合服务
对数据中心进行大量投资的企业通常心愿将其现有的应用程序和服务扩大到云中，而不是用云服务取代它们。所有次要的云供应商当初都提供了实现这一指标的办法，包含应用特定的混合服务（例如，能够逾越数据中心和云的数据库）以及连贯到公共云的本地服务器和边缘云资源，通常称为混合云。
10、可扩大的机器学习训练和预测
机器学习训练，尤其是深度学习，通常须要数小时到数周的大量计算资源。另一方面，机器学习预测每次预测须要几秒钟的计算资源，除非正在进行批量预测。应用云资源通常是实现模型训练和预测的最便捷形式。
11、云 GPU、TPU 和 FPGA
在 CPU 集群上，应用大型模型和十分大的数据集进行精确训练所需的深度学习通常须要超过一周的工夫。GPU、TPU 和 FPGA 都能够显著缩短训练工夫，并且将它们放在云端能够在须要时轻松应用它们。
12、预训练的 AI 服务
许多 AI 服务能够通过预训练模型很好地执行，例如语言翻译、文本到语音和图像识别。所有次要的云服务都提供基于持重模型的预训练 AI 服务。
13、可定制的人工智能服务
有时，预训练的 AI 服务并不能齐全满足企业的需要。迁徙学习仅在现有模型之上训练几个神经网络层，与从头开始训练模型相比，它能够绝对疾速地为企业提供定制服务。同样，所有次要的云服务提供商都提供迁徙学习，只管它们并不都应用雷同的名称。
14、监控服务
所有云都反对至多一种监控服务，让企业轻松配置云服务进行监控。监控服务通常会向使用者显示一个图形仪表板，并且能够配置为告诉使用者异样和异样的性能指标。
15、分布式服务
数据库并不是惟一能够从以分布式形式运行中受害的服务。问题是提早。如果计算资源远离数据或治理的过程，则发送和接管指令和信息须要很长时间。如果反馈回路中的提早太高，则回路很容易失控。
如果机器学习和数据之间的提早太高，则执行训练所需的工夫可能会减少。为了解决这个问题，云服务提供商提供连贯设施，能够将他们的服务扩大到客户的数据中心（混合云）或客户的生产空间左近（边缘计算）。
16、边缘计算
将剖析和机器学习在天文上凑近机器和其余事实世界对象（物联网或物联网）的需要导致了专门的设施需要，例如带有 GPU 和传感器的微型计算设施，以及反对它们的架构，例如作为边缘服务器、自动化平台和内容交付网络。最终，这些都连贯回云端，但在边缘执行剖析的能力能够大大减少发送到云端的数据量并缩小提早。
以上列举的种种益处或者能够缓解企业对于云收入的焦虑，咱们探讨过的任何一项云翻新都能够证实其应用是正当的。综合而言，云计算提供益处将是推动企业倒退的重要能源。
