Lorsque nous pensons au cloud public, la toute première considération qui vient à l’esprit est généralement monétaire : le déplacement des charges de travail des centres de données de quasi-capacité vers le cloud réduit l’investissement en capital (CapEx) mais augmente les dépenses de fonctionnement (OpEx) . Cela peut ou non être attrayant pour le directeur financier, mais ce n’est pas précisément de l’herbe à chat pour les développeurs, les opérations ou ceux qui combinent les 2 en tant que devops.
Pour ces personnes, le cloud computing offre de nombreuses opportunités qui ne sont tout simplement pas disponibles lorsque de tout nouveaux services logiciels nécessitent l’achat d’un tout nouveau matériel serveur ou de suites logicielles d’entreprise. Ce qui prend six mois à déployer sur site peut dans certains cas prendre 10 minutes dans le cloud. Ce qui nécessite les signatures de 3 niveaux de gestion pour développer sur site peut être crédité sur une carte de paiement dans le cloud.
Ce n’est pas seulement une question de temps et de commodité. Le cloud permet également une plus grande vitesse pour l’avancement des applications logicielles, ce qui conduit souvent à un temps de mise sur le marché plus court. Le cloud peut également permettre plus d’expérimentation, ce qui se traduit souvent par une meilleure qualité logicielle.
En outre, il existe de réelles innovations dans le cloud qui peuvent offrir des avantages instantanés et résoudre des problèmes de longue date. problèmes avec l’informatique sur site. Nous présentons ici 16 capacités de cloud engageantes.
Calculer les circonstances à la demande
Vous avez besoin d’une nouvelle base de données sur un serveur sur site ? Faites la queue et préparez-vous à attendre des mois, voire des années. Si vous pouvez supporter d’avoir un périphérique virtuel (VM) sur site plutôt qu’un serveur physique et que votre entreprise utilise VMware ou des technologies similaires, votre attente peut ne prendre que des semaines. Si vous souhaitez créer une instance de serveur sur un cloud public, vous pouvez la faire provisionner et l’exécuter en 15 minutes environ. Vous pourrez la dimensionner selon vos besoins et la désactiver lorsque vous ne l’utilisez pas. .
Images de créateurs virtuels pré-construites
Être capable de créer une VM avec le système d’exploitation de votre choix est pratique, mais vous devez quand même configurer et accréditer les applications dont vous avez besoin . Avoir la possibilité de faire apparaître une machine virtuelle avec le système d’exploitation et les applications de votre choix, tous prêts à être exécutés, est précieux.
Services sans serveur
« Sans serveur » indique qu’un service ou un morceau de code fonctionnera en cas de besoin pendant une courte période, généralement en réponse à un événement, sans nécessiter une machine virtuelle dédiée sur laquelle s’exécuter. Si un service est sans serveur, vous n’avez normalement pas du tout besoin de vous soucier du serveur sous-jacent ; les ressources sont attribuées à partir d’un pool conservé par le fournisseur de services cloud.
Les services sans serveur, actuellement facilement disponibles sur tous les clouds publics importants, incluent normalement une mise à l’échelle automatique, une haute accessibilité intégrée, et un modèle de facturation à la valeur ajoutée. Si vous souhaitez une application sans serveur sans être verrouillé dans un cloud public spécifique, vous pouvez utiliser une structure sans serveur indépendante des fournisseurs telle que Kubeless, qui ne nécessite qu’un cluster Kubernetes (qui est proposé en tant que service cloud ; voir ci-dessous).
Conteneurs selon les besoins
Un conteneur est un système exécutable léger d’application logicielle, beaucoup plus léger qu’une VM. Un conteneur planifie le code de l’application et ses dépendances, telles que les bibliothèques. Les conteneurs partagent le noyau OS de la machine hôte. Les conteneurs peuvent fonctionner sur Docker Engine ou sur un service Kubernetes. L’exécution de conteneurs selon les besoins présente tous les avantages de l’exécution de machines virtuelles selon les besoins, avec les avantages supplémentaires de nécessiter moins de ressources et de coûter moins cher.
Images de conteneurs prédéfinies
Un conteneur Docker est un instance exécutable d’une image Docker, qui est spécifiée par un Dockerfile. Un Dockerfile contient les instructions pour créer une image et est généralement basé sur une autre image. Une image composée d’Apache HTTP Server peut être basée sur une image Ubuntu. Vous pouvez découvrir des fichiers Docker prédéfinis dans le registre de Docker pc, et vous pouvez également développer les vôtres. Vous pouvez exécuter des images Docker dans votre installation locale de Docker ou dans n’importe quel cloud avec l’aide de conteneurs. Comme pour les images de périphériques virtuels prédéfinies, un Dockerfile peut afficher une application complète rapidement, mais contrairement aux images de VM, les Dockerfiles sont indépendants du fournisseur.
Orchestration de conteneurs Kubernetes
Kubernetes (K8s) est un système open source permettant d’automatiser la mise en œuvre, la mise à l’échelle et la gestion d’applications conteneurisées. K8s était basé sur l’innovation interne « Borg » de Google. Les clusters K8 se composent d’un ensemble de créateurs de travailleurs, appelés nœuds, qui exécutent des applications conteneurisées. Les nœuds de travail hébergent des pods, qui incluent des applications ; un avion de contrôle gère les nœuds et les pods des employés. K8s fonctionne n’importe où et évolue sans limites. Tous les principaux clouds publics ont des services K8s ; vous pouvez également exécuter K8s par vous-même.
Serveurs à mise à l’échelle automatique
Vous n’avez pas besoin de conteneuriser vos applications et de les exécuter sous Kubernetes pour les faire évoluer immédiatement dans le cloud. De nombreux clouds publics vous permettent de faire évoluer immédiatement les fabricants et les services virtuels vers le haut (ou vers le bas) en fonction de l’utilisation, soit en incluant (ou en soustrayant) des circonstances, soit en augmentant (ou en diminuant) la taille de l’instance.
Bases de données planétaires
Les clouds publics importants et plusieurs fournisseurs de bases de données ont en fait exécuté des bases de données dispersées à l’échelle de la planète avec des fondements tels que du matériel d’information, des interconnexions redondantes et des algorithmes de consensus dispersés qui leur permettent de travailler efficacement et avec une fiabilité allant jusqu’à cinq 9 ( 99,999% de disponibilité). Les exemples spécifiques au cloud incluent Google Cloud Spanner (relationnel), Azure Universe DB (multi-modèle), Amazon DynamoDB (clé-valeur et document) et Amazon Aurora (relationnel). Les exemples de fournisseurs incluent CockroachDB (relationnel), PlanetScale (relationnel), Animal (relationnel/sans serveur), Neo4j (graphique), MongoDB Atlas (document), DataStax Astra (colonne large) et Couchbase Cloud (document).
Services hybrides
Les entreprises qui investissent massivement dans des centres de données souhaitent généralement étendre leurs applications et services existants dans le cloud plutôt que de les remplacer par des services cloud. Tous les principaux fournisseurs de cloud proposent désormais des méthodes pour y parvenir, à la fois en utilisant des services hybrides particuliers (par exemple, des bases de données pouvant couvrir des centres d’information et des clouds) et des serveurs sur site et des ressources cloud de périphérie qui se connectent au cloud public général, fréquemment appelé clouds hybrides.
Appareil évolutif découvrant l’entraînement et la prédiction
L’entraînement à l’intelligence artificielle, en particulier l’apprentissage en profondeur, nécessite souvent des ressources de calcul importantes pendant des heures voire des semaines. La prédiction par apprentissage automatique, en revanche, nécessite ses ressources de calcul pendant quelques secondes par prédiction, à moins que vous ne fassiez des prévisions par lots. L’utilisation de ressources cloud est généralement le moyen le plus pratique pour réaliser l’entraînement et les prédictions des modèles.
GPU, TPU et FPGA cloud
Apprentissage en profondeur avec de grands modèles et les grands ensembles de données requis pour un entraînement précis peut souvent prendre bien plus d’une semaine sur des clusters de processeurs. Les GPU, TPU et FPGA peuvent tous réduire considérablement le temps de formation, et leur offre dans le cloud facilite leur utilisation en cas de besoin.
Services d’IA pré-entraînés
Nombreux Les services d’IA peuvent être bien exécutés par des modèles pré-entraînés, par exemple la traduction linguistique, la synthèse vocale et la reconnaissance d’images. Tous les services cloud importants utilisent des services d’IA pré-entraînés basés sur des modèles robustes.
Services d’IA personnalisés
Parfois, les services d’IA pré-entraînés ne font pas exactement ce dont vous avez besoin. La connaissance du transfert, qui ne forme que quelques couches de réseau neuronal au-dessus d’un modèle existant, peut vous fournir un service personnalisé relativement rapidement par rapport à la formation d’une conception à partir de zéro. Encore une fois, tous les principaux fournisseurs de cloud proposent un apprentissage par transfert, bien qu’ils ne l’appellent pas tous exactement du même nom.
Services de surveillance
Tous les clouds prennent en charge au moins un service de suivi et rendent c’est simple pour vous de configurer vos services cloud pour le suivi. Les services de surveillance vous révèlent fréquemment un tableau de bord visuel et peuvent être configurés pour vous signaler des exceptions et des indications de performances inhabituelles.
Services dispersés
Les bases de données ne sont pas les seuls services qui peuvent gagner à courir dans un style distribué. Le problème est la latence. Si les ressources de calcul sont éloignées des données ou des procédures gérées, il faut trop de temps pour envoyer et obtenir des directives et des détails. Si la latence est trop chère dans une boucle de rétroaction, la boucle peut facilement devenir incontrôlable. Si la latence est trop chère entre l’intelligence artificielle et les données, le temps de réalisation de la formation peut exploser. Pour résoudre ce problème, une entreprise de cloud propose des appareils électroménagers liés qui peuvent étendre leurs services aux centres d’information d’un client (cloud hybride) ou à proximité des sols d’usine d’un client (edge computing).
Edge computing
L’exigence de rapprocher géographiquement l’analyse et l’apprentissage automatique de l’équipement et d’autres objets du monde réel (Internet des objets ou IoT) a en fait provoqué des gadgets spécialisés, tels que des mini gadgets de calcul avec GPU et capteurs, et des architectures pour les prendre en charge , tels que les serveurs de périphérie, les plates-formes d’automatisation et les réseaux d’expédition de contenu. Finalement, tous ces éléments sont reliés au cloud, mais la capacité d’effectuer une analyse à la périphérie peut considérablement réduire le volume d’informations envoyées au cloud en plus de diminuer la latence.
La prochaine fois que vous entendrez un deuil concernant vos coûts de cloud, vous pouvez éventuellement indiquer l’un de ces 16 avantages – ou à l’un des services cloud qui vous ont aidés, vous ou votre groupe. N’importe laquelle des innovations cloud dont nous avons parlé peut valider son utilisation. Ensemble, les avantages sont vraiment tentants.
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
