机器人与人工智能爱好者论坛

标题: 2016年起将推动企业级技术发展的九大核心 [打印本页]

作者: 清新de花 时间: 2015-11-28 16:22
标题: 2016年起将推动企业级技术发展的九大核心

2016年起将推动企业级技术发展的九大核心

2015年11月27日　11:01

2016年将近，明年的企业级应用有：1.“云原生”塑造未来图景，2.Spark“数据流”迅猛加速，3.开发人员全面进军机器学习，4.思科 ACI，SDN的又一种面貌，5.PaaS迎来第二次变革机遇，6.SSD开始在数据中心环境下大行其道，7.混合云已经触手可及，8.机器学习全面进军安全领域，9.Blockchain大规模爆发

企业技术发展的脚步正在迅猛向前，而今年的预测则将以云计算这一时代浪潮中的佼佼者作为关注重点。

   最近几位同事在一起交流时，有人提到也许是时候淘汰“云计算”的说法，而直接将其称为“计算”了。是的，这也从一个侧面反映了如今云技术的普及之广——以及为什么近年来出现的一切关于核心企业技术发展趋势预测都无法回避云这一议题。
   在2015年，云基础设施在可扩展性、自助性以及其它种种方面的优势已经变得愈发明确，而这一切特质也使其成为通过RESTful API运行微服务架构应用的最佳选项。大部分此类服务都将以容器形式运行，这将让开发人员以前所未有的方式对应用程序的构建、测试与部署加以控制。而与此同时，容器技术的兴起又成为了DevOps文化的立足根基，其中Ops也就是运维一方能够运用各类新型自动化、编排以及监控机制，而Dev也就是开发一方则需要在应用程序的生产运行过程中承担起更多责任。
   诚然，这种云运营机制将使得目前困扰着大部分内部IT人员的任务都不复存在。不过真正值得关注的是，这种发展趋势将以怎样的速度影响到每家企业的日常运作。
   另外，此次提到的几项元素在真正为企业所利用并广泛部署之前还需要进一步完善。好啦，闲言少叙，咱们马上进入2016年九大企业技术发展趋势综述：
1.“云原生”塑造未来图景
   利用微服务架构构建并运行在容器环境当中的应用程序拥有全面碾压现有应用的诸多优势。首先也是最重要的一点就是，相较于以往大量极为痛苦的内部关联性故障排查以及更新体验，未来我们将只需要面对少数服务方案——而且它们各自受到良好的监控与管理。
   但是微服务架构的介入也会带来复杂性——其最主要的影响就是催生大量需要持续追踪的容器系统。那么该由谁来负责对这数以十亿计的生产容器系统进行日常管理?谷歌公司举手示意，其早在2007年就已经发布了Linux内核的cgroups容器功能，而Docker亦是此后在其基础之上构建而成。
   去年，谷歌方面公布了其开源Kubernetes项目，旨在将这套谷歌打造的容器管理系统推向开源社区，从而让更多受众得以构建起属于自己的规模化容器集群。今年夏天，该项目创始人Craig McLuckie公布了CNCF(即云原生计算基金会)的正式成立，这也意味着Kubernetes将以容器调度、管理以及编排方案这一起点建立起一整套生态系统。总而言之，请各位决策者们认真关注。
2.Spark“数据流”迅猛加速
   2015年的大数据业界发生了一件趣事：Spark将关注焦点从Hadoop身上压了过来。为什么会这样?因为相较于像Hadoop那样跨越大量磁盘驱动器对数据进行批量处理，Spark项目运用魔法般的能力将数据拆分成小批量并通过大规模内存进行承载——即几乎能够以实时方式交付数据流。(而作为纯粹的数据流解决方案，Storm则在这场对抗当中败下阵来。)
   Cloudera与IBM目前都已经全力支持Spark，而Amazon、谷歌以及微软则在自己的公有云当中推出的Spark即服务方案。不过Spark项目仍然在内存管理与弹性方面存在着突出缺陷，外加其它一些杂七杂八的小毛病。不过随着目前这种旺盛的发展态势，我们可以期待着大量此类问题会在未来一年当中得到解决。
3.开发人员全面进军机器学习
   除了争相推出分析即服务方案之外，各大主流云服务目前还在努力推动云环境下的机器学习API;另外，开源机器学习工具也开始大量出现。无处不在的机器学习能力使得开发人员得以打造出能够识别数据模式的应用程序——包括用于欺诈检测、人脸识别、医疗诊断、基础设施优化、网络广告交付以及其它种种大家想得到乃至想不到的一切。
   当然，一部分商业软件与网站多年以来一直拥有着自己的机器学习功能(用于预测用户行为或者推荐相关产品等等)。不过要说如今的形势有什么不同，那就是机器学习已经被拆分出来成了一项单独的功能，每一位开发人员都可以加以利用，而且我们现在拥有大量数据以及可观的云计算资源来对其进行处理，包括利用GPU加速器等新型服务器设备运行机器学习算法。
4.思科ACI，SDN的又一种面貌
   软件定义网络(简称SDN)的终极目标在于彻底实现硬件交换机的商用化，而这也正是SDN成为思科公司最大生存威胁的原因所在。不过就目前而言，SDN的部署范畴还主要局限于电信以及云服务供应商范畴之内，其对于普通企业客户的影响仍然相当有限。
   目前思科公司已经率先发难，推出了一套名为应用程序中心基础设施(简称ACI)的新型SDN实现方案，其中利用新型运维控制协议OpFlex以取代以往的OpenFlow。作为专门面向大规模部署环境开发的方案，ACI为SDN指明了新的发展方向，即以分布式控制机制对网络配置加以管理，并允许管理员根据应用程序的具体要求在高层进行设置调节。
   不过最令人惊讶的还是要数其开放程度。ACI采用RESTful API，而思科方面已经在GitHub上发布了一系列ACI工具甚至是一款开源SDK。另外，思科公司还将OpFlex作为一项IETF标准并推出了针对性的OpenDaylight项目，而OpFlex目前已经受到微软、IBM、F5、思杰、红帽、Canonical以及其它众多厂商的支持。考虑到思科公司在企业级市场上的可观份额，此举可能会进一步加快SDN技术的推广速度。
5.PaaS迎来第二次变革机遇
   在Andrew Oliver于2012年撰写的知名文章《我到底该使用哪款PaaS方案》当中，我们已经可以清楚地意识到第一代PaaS在交付方面拥有着诸多限制。有鉴于此，企业PaaS的普及力度一直显得较为孱弱。然而目前情况已经发生了重大转变，当下大量企业开始积极采纳能够支持Docker的两大领先内部PaaS方案，即Cloud Foundry与OpenShift。
   我仍然认为在内部环境当中，很多企业还是能够通过利用PaaS这一现代、向外扩展且版本众多的方案取代传统应用服务器来获益的。根据Martin Heller最近发布的评测文章，OpenShift Enterprise 3已经能够顺利将Docker容纳纳入进来：“对于开发人员与运维人士，OpenShift实现了PaaS方案所做出的全部承诺。”
6.SSD开始在数据中心环境下大行其道
   目前闪存存储方案已经在IOPS密集型应用领域凭借着出色的性能价格比压倒了传统磁盘驱动器，例如VDI或者高性能数据库，这是因为要想获得同样的性能、需要采用大量传统磁盘建立起阵列才能与闪存相抗衡。全闪存阵列与SSD服务器如今早已不是什么新鲜事物。另外，每个人都对3D NAND这一技术大加赞赏，其将能够在全面普及之后显著提升SSD产品的存储容量与性能表现。
   目前已经有一系列互联网技术巨头开始在自家数据中心之内利用SSD来支撑各种对性能要求较高的用例场景。不过除了性能优势之外，要让闪存方案拥有与传统磁盘驱动器相对等的每GB使用成本仍然是一个可望而不可即的美好理想。传统磁盘驱动器在此期间也实现了一系列升级，包括氦气填充式产品以及叠瓦式磁记录技术等，因此SSD在短时间内恐怕仍无法彻底取代磁盘驱动器。
7.混合云已经触手可及
   其实我个人对于“混合云”这种说法一直有些不解。到底什么才叫混合云?是说要将内部基础设施与公有云加以结合吗?抑或是将两种公有云互相掺杂?如果非要说得先建立一套与公有云类似的内部私有云，再将二者对接才能算是混合云，那么我得说此前这类先例实在非常有限，而且混合云这一概念本身恐怕也只能算是一场天大的误会。
   不过微软方面正在利用其Azure Stack for Windows Server扭转这种认知，其允许客户能够在本地基础之上对Azure公有云的部分基础设施进行使用。而当明年Windows Server与System Center 2016正式推出之后，客户可以将其与Azure加以整合，微软承诺借此建立起真正的混合IaaS环境。而通过专业服务，IBM公司似乎也开始通过同样的途径将公有与OpenStack私有云部署体系进行混合。
   Amazon公司目前缺少混合型解决方案(除非大家倾向于把某些客户将本地环境复制到AWS中的作法也称为‘混合’)。谷歌公司同样不具备任何混合型方案，不过归功于Kubernetes与CNCF(详见第一项发展趋势)，混合服务的出炉也仅仅是时间问题。通过最近谷歌公司招聘VMware联合创始人Diane Greene执掌Google Cloud一事可以看出，谷歌方面对于服务企业级云客户确实拿出了认真的态度，而混合型Kubernetes(以及其它)规划方案也将成为其中的重要组成部分。
8.机器学习全面进军安全领域
   大家可能已经听说不少金融服务企业开始利用机器学习技术来检测欺诈活动。不过其它安全可能性也将由机器学习技术所陆续实现，其中包括标记网络异常、追踪用户行为乃至检测0-day恶意软件等等。
   最近刚刚与戴尔方面建立合作关系的Cylance公司就带来了引人注目的实例：该公司利用深度学习算法打造出了一款号称能够检测出99%恶意软件的解决方案。不过买家需要注意的是，机器学习算法多年来一直在安全应用领域发挥着作用，但其始终未能获得全面成功且造成了大量误报问题。而在云环境下的大数据分析技术的持续发展之下，相信问题能够得到有效解决——但必须承认的是，这是一个逐步改善的过程，而不可能在一夜之间开花结果
9.Blockchain大规模爆发
   比特币已经多次曝出安全问题。不过作为比特币背后的数学魔术，blockchain却成为一种有可能切实保障各类交易活动完整性的潜在方案。在最近的一篇文章当中，Peter Wayner列出了100多种能够将blockchain技术延伸至交易平台、ID卡、合同、安全存储以及其它各类领域的可能性途径。另外，众多银行也开始对这类方案加以测试——这意味着我们很可能在2016年年内见证blockchain一步步迈向主流视野。

欢迎光临机器人与人工智能爱好者论坛 (http://123.57.240.186/)