實支實付訂價模式背後，是公有雲充滿了最新穎、最優異的開發、devops，以及更快建置更聰明應用的人工智慧工具。
文／Martin Heller‧譯／Nica
講到公有雲，通常首先想到財務：將工作負載從近乎飽合容量的資料中心，移往雲端，可降低資本支出(CapEx)，但會增加營運支出(OpEx)。這點可能吸引CFO，也可能不，但開發人員、營運人員或兩者結合的devops(開發營運)，絕對感興趣。
[ 2022年度CIO大調查報告下載 ]
對他們來說，雲端運算提供的許多機會，是必須購買新伺服器硬體才能得到的新軟體或企業級軟體套件無法提供的。必須花六個月在企業內部佈署在雲端有時只需十分鐘。必須通過重重管理階層簽署才能建置的企業內部服務，在雲端用信用卡消費就能完成。
不只是時間與便利性問題。雲端還能做到更高效的軟體開發，通常這代表更快切入市場。雲端也能進行更多實驗，讓軟體品質更好。
再者，雲端真正的革新是能提供即時性優勢進而解決企業內部運算長期以來的問題。本文將介紹十六項極具競爭力的雲端功能：
01.依需使用運算實例
需要在企業內部自有伺服器裡建置新資料庫？你得先排隊，再花上幾個月準備，或是幾年。若你可以容忍在企業內部的虛擬機器(VM)，不用實體伺服器，可以使用VMware或類似技術，可能只需等待幾個禮拜。不過若想在公有雲建立伺服器實例，花十五分鐘就可以備妥馬上運作、依需求調整大小，之後在不需要使用的時候關閉。
02.預建虛擬機器映像檔
能載入你選定作業系統的虛擬機器是很方便的，不過接著還是必須安裝與授權所需的應用程式。能載入你所選定的作業系統與應用程式皆已備妥的虛擬機器，是無價的。
03.無伺服器服務
「無伺服器」代表一項服務或一段程式碼，依需求短暫執行，通常是為了回應某個事件，不需要運作在專屬VM下。若服務屬於無伺服器，通常就不需要擔心底層伺服器，由雲端供應商維護的資源池指派資源。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球CIO同步獲取精華見解 ]
今日每家主流公有雲皆提供無伺服器服務，通常會具備自動擴充、內建高可用性與依價值付費(pay-for-value)帳單模式的功能。若想要無伺服器應用但不想鎖定任何特定公有雲，可使用Kubeless這類廠商原生無伺服器框架，需要的只有Kubernetes叢集。
04.依需使用容器
容器，是輕量級的可執行軟體元件，比虛擬機器精簡許多。容器將應用程式碼與函式庫這類相依性元素打包，共享主機機器的作業系統核心，可以在 Docker Engine 或 Kubernetes 服務上執行。依需執行容器具備依需執行虛擬機器所有優勢，所需資源更少而且成本更低。
05.預建容器映像檔
Docker容器是Docker映像檔的可執行實例，由Dockerfile指定。Dockerfile的內容包含建置映像檔的指令，且通常以另一個映像檔為基礎。例如，內容含有 Apache HTTP Server 的映像檔可能是以Ubuntu映像檔為基礎。你可以在Docker登錄裡尋找預先定義的Dockerfiles，再建立自己專屬的。可以在本機安裝的Docker下執行Docker映像檔，或在任何支援容器的雲端執行。有了預先建置的虛擬機器映像檔，就能使用Dockerfile快速啟動完整應用，不同於虛擬機器映像檔的是，Dockerfiles具有廠商中立性(vendor-agnostic)。
06.Kubernetes容器編排
Kubernetes (K8s)是一套容器化應用的自動佈署、擴充與管理的開放源碼系統。K8s以Google內部「Borg」技術為基礎。K8s叢集由稱為節點(node)的工作機器組成，執行容器化的應用。工作節點託管內含應用的pod，控制面板管理工作節點與pod。K8s在任何地方都能執行且無限擴展。所有主流公有雲皆提供k8s服務，也可以在自有的開發主機上執行。
07.自動擴充伺服器
不需要容器化你的應用，然後在Kubernetes下執行它們以便在雲端裡自動擴充。多數公有雲都允許自動擴充虛擬機器，並依使用量啟動（停用）服務：增/減實例或擴大/縮減實例大小。
08.行星級資料庫
主要公有雲與多間資料庫廠商皆實施全球級分散資料庫，這些資料庫擁有能讓作業更有效率的資料結構、冗餘互連與分散式共識演算法，並達到五個九的可靠度（99.999%正常運作時間）。雲端特定的例子有Google Cloud Spanner（關聯式）、Azure Cosmos DB（多重模式）、Amazon DynamoDB（鍵值與文檔模式）、Amazon Aurora（關聯式）。廠商的例子則包括CockroachDB（關聯式）、PlanetScale（關聯式）、Fauna（關聯式/無伺服器）、Neo4j（圖形）、MongoDB（文檔模式）、DataStax Astra（列儲存）與Couchbase Cloud（文檔模式）。
09.混合服務
已在資料中心大量投資的企業，通常希望將現有應用與服務延展到雲端上，而不是用雲端服務取代。所有主要雲端廠商如今都有提供達成此目標的處理：無論是利用特定混合服務(例如跨越資料中心與雲端的資料庫)，還是連結公有雲的企業內部伺服器與邊緣雲端資源，通常稱混合雲。
10.可擴充機器學習訓練與預測
機器學習訓練，尤其是深度學習，通常需要使用長達數小時至數周的可觀運算資源。此外，每次機器學習預測則需使用數秒的運算資源，除非進行大量批次預測。一般來說，利用雲端資源會是完成模組訓練與預測最便利的方式。
11.雲端GPUs、TPUs與FPGAs
精準訓練需要使用大量模組與大型資料庫的深度學習，通常使用CPU叢集往往需要一周以上。GPUs、TPUs與FPGAs可以大量縮減訓練時間，並且將它們放在雲端上，有需要時便能輕鬆取用。
12.預訓練人工智慧服務
許多人工智慧服務利用預先訓練模組順利運作，例如語言轉換、文字轉語音與圖形識別。所有主要雲端服務皆提供以穩健模式預先訓練的人工智慧服務。
13.客製化人工智慧服務
預先訓練人工智慧服務在某些情況下無法確切達到你的需求。遷移學習僅訓練現有模式頂層少數神經網路層，可提供比從頭訓練模組相對快速的客製化服務。當然，所有主要雲端服務廠商皆提供遷移學習，只是名稱有所不同。
14.監控服務
所有雲端都支援至少一項監控服務，以利用戶設定需要監控的雲端服務。監控服務通常以圖形化控制面版的方式顯示，還可以設定異常通知及異常效能指標。
15.分散式服務
資料庫並非得益於分散式運作的唯一服務。重點在於延遲。若運算資源離管理的資料或處理程序太遠，傳送與接受指令及資訊的時間會太長。若在回饋迴路中延遲太嚴重，迴路就容易失控。若機器學習與資料間延遲太高，執行訓練時間就會過長。為解決這個問題，雲端服務供應商提供連結性應用可延展服務到客戶資料中心(混合雲)，或接近客戶廠區樓層(邊緣運算)。
16.邊緣運算
將分析與機器學習帶到地理上靠近機器與其他真實世界物件（物聯網, IoT）的位置，帶來了專屬設備，像是帶有GPU與感測器的微型運算裝置，與支援它們的基礎架構，例如邊緣伺服器、自動化平台與內容傳遞網路。最終，這些全會連回雲端，但在邊緣執行分析的能力，大幅減少傳送至雲端的資料量，也降低了延遲。
下次，當你聽到對雲端支出的疑慮時，或許可以提出這十六項優勢之一，或找到其中一個有助於你或你團隊的雲端功能。我們探討的這些雲端革新任一皆可證明使用上的合理性。總的來看，好處令人難以抗拒。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
