16 innovations cloud irrésistibles

Quand on pense au cloud public, généralement le tout premier facteur considérer que cela vous vient à l’esprit est monétaire : le déplacement des charges de travail des centres de données à capacité quasi totale vers le cloud minimise les dépenses d’investissement (CapEx) mais augmente les dépenses d’exploitation (OpEx).

Cela peut être attrayant ou non pour le directeur financier, mais ce n’est pas exactement de l’herbe à chat pour les développeurs, les opérations ou ceux qui combinent les deux en tant que devops.

Pour ces personnes, L’informatique en nuage offre de nombreuses opportunités qui ne sont tout simplement pas disponibles lorsque de nouveaux services d’application logicielle nécessitent l’achat de nouveau matériel serveur ou de nouvelles suites logicielles d’entreprise. Ce qui prend 6 mois pour se déployer sur site peut parfois prendre 10 minutes dans le cloud. Ce qui nécessite des signatures de trois niveaux de gestion pour se développer sur site peut être crédité d’une carte de crédit dans le cloud.

Ce n’est pas qu’une question de temps et d’avantages. Le cloud permet également une plus grande vitesse d’avancement des logiciels, ce qui entraîne généralement une réduction des délais de mise sur le marché. Le cloud peut également permettre plus d’expérimentation, ce qui entraîne souvent une meilleure qualité des logiciels.

En outre, il existe de véritables développements dans le cloud qui peuvent offrir des avantages instantanés et résoudre les problèmes persistants liés à l’informatique sur site. Ici, nous fournissons 16 fonctionnalités cloud attrayantes.

1– Calculer des instances à la demande

Besoin d’une nouvelle base de données sur son propre serveur sur site ? Faites la queue et préparez-vous à attendre des mois, voire des années. Si les clients peuvent tolérer d’avoir un fabricant virtuel (VM) sur site plutôt qu’un serveur physique et que l’entreprise utilise VMware ou des innovations similaires, l’attente peut prendre des semaines.

Mais si un utilisateur souhaite produire des circonstances de serveur sur un cloud public, il peut le faire provisionner et l’exécuter en 15 minutes environ, et il pourra le dimensionner selon ses besoins et transformer l’éteindre lorsqu’ils ne l’utilisent pas.

2– Images de machines virtuelles pré-construites

Être capable d’afficher une VM avec le système d’exploitation Cette option est pratique, mais les utilisateurs doivent toujours installer et accréditer les applications nécessaires. Avoir la possibilité de créer une machine virtuelle avec le système d’exploitation et les applications de votre choix, tous prêts à fonctionner, n’a pas de prix.

3– Services sans serveur

« Sans serveur  » implique qu’un service ou un morceau de code s’exécutera au besoin pendant une courte période, normalement en réponse à une occasion, sans avoir besoin d’une machine virtuelle dédiée sur laquelle s’exécuter. Si un service est sans serveur, les utilisateurs n’ont généralement pas à se soucier du serveur sous-jacent ; les ressources sont désignées à partir d’un pool conservé par le fournisseur de services cloud.

Les services sans serveur, actuellement disponibles sur tous les principaux clouds publics, incluent généralement une mise à l’échelle automatisée, une haute accessibilité intégrée et un paiement à la valeur conception de la facturation. Si les utilisateurs veulent une application sans serveur sans être enfermés dans un cloud public spécifique, ils peuvent utiliser un framework sans serveur indépendant du fournisseur tel que Kubeless, qui ne nécessite qu’un cluster Kubernetes (qui est disponible en tant que service cloud ; voir ci-dessous).

4– Conteneurs à la demande

Un conteneur est une unité exécutable légère d’une application logicielle, beaucoup plus légère qu’une VM. Un conteneur regroupe le code d’application et ses dépendances, telles que les bibliothèques. Les conteneurs partagent le noyau du système d’exploitation du périphérique hôte. Les conteneurs peuvent fonctionner sur Docker Engine ou sur un service Kubernetes. L’exécution de conteneurs à la demande présente tous les avantages de l’exécution de VM selon les besoins, avec les avantages supplémentaires de nécessiter moins de ressources et de coûter moins cher.

5– Images de conteneurs prédéfinies

Un conteneur Docker est une instance exécutable d’une image Docker, qui est spécifiée par un Dockerfile. Un Dockerfile comprend les directives pour la construction d’une image et est souvent basé sur une autre image. Par exemple, une image comprenant Apache HTTP Server peut être basée sur une image Ubuntu.

Les utilisateurs peuvent trouver des Dockerfiles prédéfinis dans le registre de l’ordinateur Docker, et ils peuvent également développer les leurs. Ils peuvent exécuter des images Docker dans une installation régionale de Docker ou dans n’importe quel cloud avec l’assistance d’un conteneur. Comme pour les images de machines virtuelles prédéfinies, un Dockerfile peut générer rapidement une application complète, mais contrairement aux images de VM, les Dockerfiles sont indépendants des fournisseurs.

6– 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 des applications conteneurisées. K8s était basé sur la technologie interne « Borg » de Google. Les clusters K8 incluent un ensemble de créateurs de travailleurs, appelés nœuds, qui exécutent des applications conteneurisées.

Les nœuds de travail hébergent des pods, qui se composent d’applications ; un plan 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 ; les utilisateurs peuvent également exécuter des K8 par eux-mêmes sur une machine de développement.

7– Serveurs à mise à l’échelle automatique

Les utilisateurs n’ont pas à conteneuriser les applications et à les exécuter sous Kubernetes pour les mettre immédiatement à l’échelle dans le cloud. La plupart des clouds publics permettent aux utilisateurs d’augmenter (ou de réduire) immédiatement les appareils et services virtuels en fonction de leur utilisation, soit en incluant (ou en déduisant) des circonstances, soit en augmentant (ou en diminuant) la taille de l’instance.

8– Bases de données planétaires

Les principaux clouds publics et plusieurs fournisseurs de bases de données ont en fait exécuté des bases de données distribuées à l’échelle planétaire avec des fondations telles que des structures de données, des interconnexions redondantes et des algorithmes d’accord distribués qui leur permettent de fonctionnent efficacement et avec une fiabilité d’environ 5 9 (99,999 % de disponibilité).

Les exemples spécifiques au cloud comprennent Google Cloud Spanner (relationnel), Azure Universe DB (multimodèle), Amazon DynamoDB (clé-valeur et document) et Amazon Aurora (relationnel). Les exemples de fournisseurs comprennent CockroachDB (relationnel), PlanetScale (relationnel), Fauna (relationnel/sans serveur), Neo4j (graphique), MongoDB Atlas (fichier), DataStax Astra (colonne large) et Couchbase Cloud (document).

9– Services hybrides

Les entreprises ayant de gros investissements financiers dans les centres d’information souhaitent souvent étendre leurs applications et services existants dans le cloud au lieu de les remplacer par des services cloud . Tous les principaux fournisseurs de cloud proposent désormais des moyens d’y parvenir, à la fois en utilisant des services hybrides spécifiques (par exemple, des bases de données pouvant couvrir les centres de données et les clouds) et des serveurs sur site et des ressources cloud en périphérie qui se connectent au cloud public général, souvent appelé Clouds hybrides.

10 – Formation et prédiction évolutives à la découverte de machines

La formation à l’apprentissage automatique, en particulier l’apprentissage en profondeur, nécessite généralement des ressources de calcul importantes pendant des heures, voire des semaines . Les prévisions d’apprentissage automatique, d’autre part, ont besoin de leurs ressources de calcul pour les secondes par prévision, à moins que vous ne fassiez des prédictions par lots. L’utilisation des ressources cloud est souvent la méthode la plus simple pour effectuer la formation et les prédictions de modèles.

11 – GPU, TPU et FPGA cloud

En profondeur savoir avec de grands modèles et les très grands ensembles de données nécessaires pour une formation précise peut souvent prendre beaucoup plus d’une semaine sur des grappes de processeurs. Les GPU, les TPU et les FPGA peuvent tous réduire considérablement le temps de formation, et leur offre dans le cloud facilite leur utilisation en cas de besoin.

12– Services d’IA pré-formés

De nombreux services d’IA peuvent être bien exécutés par des conceptions pré-formées, par exemple la traduction linguistique, la synthèse vocale et la reconnaissance d’images. Tous les services cloud importants offrent des services d’IA pré-formés basés sur des modèles robustes.

13- Services d’IA personnalisables

Parfois, les services d’IA pré-formés ne ne fait pas exactement ce dont les utilisateurs ont besoin. L’apprentissage par transfert, qui ne forme que quelques couches de réseau neuronal au-dessus d’une conception existante, peut fournir aux utilisateurs un service spécialisé assez rapidement par rapport à la formation d’un modèle à partir de zéro. Encore une fois, tous les principaux fournisseurs de cloud utilisent le transfert en sachant, bien qu’ils ne l’appellent pas tous par le même nom.

14– Services de surveillance

Tous les clouds prennent en charge au moins un service de surveillance et permettent aux utilisateurs de configurer facilement les services cloud pour la surveillance. Les services de suivi révèlent fréquemment un panneau de contrôle graphique et peuvent être configurés pour informer les utilisateurs des exceptions et des indications de performances inhabituelles.

15– Services distribués

Les bases de données ne sont pas les seuls services qui peuvent bénéficier d’une exécution dans un style distribué. Le souci c’est la latence. Si les ressources de calcul sont éloignées des données ou des procédures sous gestion, l’envoi et la réception d’instructions et d’informations prennent trop de temps.

Si la latence est trop chère dans une boucle de rétroaction, la boucle peut rapidement devenir incontrôlable. Si la latence est trop élevée entre l’intelligence artificielle et les données, le temps nécessaire à la réalisation de l’apprentissage peut exploser. Pour résoudre ce problème, les sociétés de cloud proposent des appareils liés qui peuvent étendre leurs services aux centres d’information d’un client (cloud hybride) ou à proximité des usines d’un client (informatique de pointe).

16– Edge computing

La nécessité de rapprocher géographiquement l’analyse et l’apprentissage automatique des équipements et d’autres éléments du monde réel (l’Internet des objets ou IoT) a en fait abouti à des gadgets spécialisés, tels que des dispositifs de calcul miniatures avec GPU et unités de détection, ainsi que les architectures pour les prendre en charge, telles que les serveurs de périphérie, les plates-formes d’automatisation et les réseaux d’expédition de matériaux.

En fin de compte, tout cela renvoie au cloud, mais la capacité d’effectuer des analyses à la périphérie peut réduire considérablement le volume d’informations envoyées au cloud ainsi que la latence.

La prochaine fois que les utilisateurs entendront parler de coûts liés au cloud, ils pourront peut-être indiquer l’un de ces 16 avantages ou l’un des avantages du cloud qui ont réellement aidé le groupe. Toutes les innovations cloud que nous avons examinées peuvent justifier son utilisation. Pris ensemble, les avantages sont vraiment séduisants.