|
美國有兩個大會,，格外受國內(nèi)從業(yè)人士關注，一個是伯克希爾哈撒韋的股東大會,，投資人士踴躍前往聆聽股神巴菲特的經(jīng)驗智慧,；另一個則是亞馬遜云服務(AWS)的re:Invent全球大會。AWS作為全球規(guī)模最大,、技術領先的公司,，從2012年起，每一年都會召開峰會,，分享其科技方向,、業(yè)務規(guī)劃；這個峰會成為行業(yè)標桿,，也影響著各行各業(yè)的發(fā)展,。因此，每一年峰會上,，都會有全球的開發(fā)者,、觀察者、企業(yè)客戶等,，前來了解云服務的前沿科技,。re:Invent全球大會往常都需要1799美金注冊費，但仍一票難求,。而今年,，亞馬遜云則首次將峰會搬到了線上，并且完全免費向全球公開。更難得的是,，減價不減質(zhì),。今年的峰會從12月1日召開，整整三周時間,、百余場分享,，全面闡述了亞馬遜云在“重塑”之路上的堅定步伐。云業(yè)務由亞馬遜做大,，既是偶然也是必然,。電商流量的波峰波谷，導致彈性計算成為剛需,。而亞馬遜的堅定投入,、對需求本質(zhì)的追求,，則促使云業(yè)務從自用走向了市場,，開始重塑IT成本。比如當年率先使用AWS的奈飛,。2008年,，隨著海量視頻快速上線，奈飛的IT資源撐到了極限,。隨后又遭遇了一場自然災害,，導致其自建的數(shù)據(jù)中心幾乎三天都處于休克狀態(tài)。而繼續(xù)擴大數(shù)據(jù)中心建設,，將會帶來極大的IT支出,。亞馬遜云，通過彈性擴容,、按需收費,，完美解決了奈飛的憂慮。可以說,，奈飛發(fā)展途中一個重要選擇,，便是從自有投資數(shù)據(jù)中心，轉向了采購云服務,，重塑了自己的IT成本,。而這個“重塑”這個技能，也是每家公司要實現(xiàn)基業(yè)長青的重要措施,。根據(jù)統(tǒng)計,，50年前的《財富》500強企業(yè)，如今只剩下17%,、83家還在榜單上,；20年前的《財富》500強企業(yè)，如今也只有50%還在榜單上,。要保持活力,，必須能夠自我革命,，不斷重塑，尤其能采用最先進的技術,，來武裝企業(yè),，來降本增效。這在疫情期間更為重要,，也是AWS所持續(xù)打造的優(yōu)勢,。比如，在數(shù)據(jù)庫方面,，傳統(tǒng)的數(shù)據(jù)庫價格不菲,、配置昂貴、但又擴容困難,。而AWS最新推出的數(shù)據(jù)庫服務Aurora Serverless v2,，可以做到實時擴容，在不到1秒的時間內(nèi),，即可瞬間擴展到支持幾十萬個數(shù)據(jù)處理事務,。如此，開發(fā)者不需要買大量服務器來匹配峰值的運算需求,，而是按需擴容,，可以節(jié)省高達90%的成本。這個量級,，在業(yè)內(nèi)領先,，也推動了數(shù)據(jù)庫服務的演進。與此同時,，已經(jīng)有35萬個數(shù)據(jù)庫遷移到了AWS,，以應對消費經(jīng)濟激增、業(yè)務流量頻發(fā),。而且AWS還以開源形式推出了Babelfish for PostgreSQL,，讓用戶直接在云上運行SQL Server應用程序，降低傳統(tǒng)數(shù)據(jù)庫開支,，提升數(shù)據(jù)庫上云后的應用交付效率,。在數(shù)據(jù)分析方面，一直有個痛點,，不同端的數(shù)據(jù)難以流動分析,，就像成千上萬個太平洋小島被水面隔絕，難以形成高經(jīng)濟價值的共同體,。而這次峰會,，AWS也推出了Glue的新功能AWS Glue Elastic Views。它可以從多個不同數(shù)據(jù)源創(chuàng)建實例化視圖，簡單,、高效地將數(shù)據(jù)孤島連接起來,，形成統(tǒng)一的數(shù)據(jù)視角。當數(shù)據(jù)源發(fā)生變化時,，AWS可以在在幾秒鐘內(nèi)完成同步,。讓數(shù)據(jù)像血液一樣流動起來，為企業(yè)業(yè)務運轉提供生命力,。而這幾年,，容器技術大為流行，但容器和無服務器應用都由非常小的代碼段組成,，每個代碼段通常由不同的團隊開發(fā)和運維,，有獨立的基礎架構。隨著業(yè)務發(fā)展,，在基礎設施,、開發(fā)、運維等團隊之間,，協(xié)調(diào)架構配置,、代碼部署和運維監(jiān)控等工作也日益復雜,，會拖慢應用開發(fā)速度,。因此，管理容器又成了一個難題,。針對這種情況,，AWS推出了容器開發(fā)利器AWS Proton，可以提供了更細顆粒度的云服務應用部署管理工具,。只需要建一個調(diào)用棧,，就可以自定義模板，填上相應參數(shù),。AWS的容器工具,，相當于云服務界的“一鍵”快捷功能，省去了平時多個團隊在多個環(huán)節(jié)的繁雜流程,。數(shù)據(jù)庫,、數(shù)據(jù)分析和容器開發(fā)這三個工具，只是AWS強大武器庫的冰山一角,。細看這三個工具,，都是那種不起眼、卻直擊痛點的云服務利器,。而這些工具的出現(xiàn),，都改變了企業(yè)IT部署的形態(tài)、成本，也大幅提高了企業(yè)的效率,。讓AWS成為值得信賴的“大管家”,。Alpha Go打敗李世石帶來的震撼才剛剛過去，無人駕駛等技術又借著新能源的熱潮成為社會焦點,。AI正在各行各業(yè)快速普及,，據(jù)德勤數(shù)據(jù)顯示，到2025年,，世界人工智能市場將超過6萬億美元,。而在這大潮中，機器學習則是核心研究領域之一,，覆蓋89%的人工智能專利申請和40%的人工智能相關專利,。所謂人工智能，先有人工,，再有智能,。這其中的一個核心問題在于，人才的增長,，跟不上AI的發(fā)展,。比如在我國，人工智能人才的供求比例為1：10,，缺口超過500萬,。對于那些傳統(tǒng)產(chǎn)業(yè)以及創(chuàng)新型小企業(yè)而言，使用機器學習,、完成AI轉型是一項“急切卻又困難”的夢想,。而這次發(fā)布會上，亞馬遜依托20多年的經(jīng)驗,，公布了四大舉措,，為機器學習擴圈，為中小企業(yè)圓夢,。首先,，提供開箱即用的工業(yè)領域機器學習解決方案。市面上,，開源的算法與公開論文并不少,，但對于AI的工業(yè)化應用而言，漫長的調(diào)參與針對特定配置修改,，其實才是影響算法最終可用性的根本保障,。為了降低用戶的部署成本，AWS發(fā)布了五項服務,，就像家用電器一樣,，開箱即用,。其中，Amazon Monitron可以為用戶提供從傳感器,、網(wǎng)關到機器學習服務組成的端到端機器監(jiān)控系統(tǒng),，檢測異常并預測何時需要維護工業(yè)設備；Amazon Lookout for Equipment面向已經(jīng)擁有傳感器的客戶,，提供機器學習模型并返回預測結果,，檢測異常設備行為。這兩項服務,，可以支持預測性維護,。AWS Panorama一體機可以連接到工業(yè)場所的網(wǎng)絡中，自動識別攝像頭數(shù)據(jù)流,，與工業(yè)攝像頭進行交互,。AWS Panorama軟件開發(fā)套件（SDK），方便工業(yè)相機制造商在新相機中嵌入計算機視覺功能,。這兩項服務,，可以改善工業(yè)運營和工作場所安全。而Amazon Lookout for Vision通過機器學習技術為工業(yè)客戶提供高精度,、低成本的產(chǎn)品質(zhì)量異常檢測解決方案,。其次，針對不同需求客戶,，提供包羅萬象,、有針對性的工具箱。工具箱包含三個層面：針對技術能力超強的客戶,，主要提供機器學習框架,、處理器等工具集的底層,；針對技術能力較強的客戶,，通過提供包含各種工具的全托管機器學習集成開發(fā)環(huán)境，幫助降低機器學習門檻,；而針對技術能力相對薄弱的客戶,，AWS開箱即用的AI服務則可以實現(xiàn)各種AI業(yè)務需求的快速部署。再次,，將機器學習能力跟數(shù)據(jù)庫進行嫁接,，把機器學習覆蓋人群拓展到數(shù)據(jù)庫開發(fā)者和數(shù)據(jù)分析師。一般來說,，數(shù)據(jù)庫開發(fā)者,、數(shù)據(jù)分析師群體的人數(shù)，比機器學習開發(fā)人員群體大得多,，而且也更容易培養(yǎng),，因此,，“爭取到他們”，將會大力促進機器學習發(fā)展,。因此,，AWS推出了包括Aurora ML、Athena ML,、Redshift ML等在內(nèi)的多項功能,。讓數(shù)據(jù)庫開發(fā)者、數(shù)據(jù)分析師沿用數(shù)據(jù)庫查詢的方式,，讓他們的機器學習想法落地到業(yè)務應用中,。比如，當電商公司做出海業(yè)務時,，需要為多國用戶制定相應語言的服務,，這就需要把數(shù)據(jù)庫中的商品信息變成多種語言。在傳統(tǒng)數(shù)據(jù)庫模式下,，這個工作量會很大,。但是，通過AWS的新服務,，數(shù)據(jù)庫開發(fā)者只管查詢商品信息,、選擇多語種翻譯，返回的結果就會自動包含商品信息的多語種翻譯,。難度下降,、效率提升。再比如要了解公司業(yè)務增長時,，在傳統(tǒng)模式下,，開發(fā)者需要在模型中預先定義增長率、再更新模型,、處理數(shù)據(jù),，整個流程可能是幾天甚至幾周。但依托AWS的服務,，可以采用自然語言,，直接在查詢框中輸入問題，幾秒鐘之內(nèi)就可以得到高度準確的答案,。最后,，發(fā)展機器學習的中間力量，不斷提升Amazon SageMaker的性能,。Amazon SageMaker是面向機器學習開發(fā)者的集成開發(fā)環(huán)境,、全托管服務。它依托多項工具,，化繁為簡,，使開發(fā)人員和數(shù)據(jù)科學家能夠從根本上更輕松,、更快速地構建、訓練和部署機器學習模型,?？梢哉f，SageMaker性能越提升,，機器學習發(fā)展也會越快,。因此，AWS也在不斷提升托管服務,。在過去一年,，SageMaker交付了50多項新功能。而在今年的re:Invent大會上,，AWS再次發(fā)布數(shù)據(jù)特征提取器Data Wranger,，數(shù)據(jù)特征存儲庫Feature Store，自動化工作流Pipelines等9項新功能,。比如Data Wrangler內(nèi)置了300多個數(shù)據(jù)轉換器,，讓客戶無需編寫任何代碼，就可以機器學習用到的特征進行規(guī)范化,、轉換和組合,。Pipelines是第一個專為機器學習構建的、方便易用的CI/CD（持續(xù)集成和持續(xù)交付）服務,。大型復雜深度學習模型的分布式訓練,，將當前的速度提升了兩倍。這些不斷更新的功能,，深受用戶喜歡,。在推出的3年內(nèi)，已經(jīng)擁有了3M,、ADP,、阿斯利康、Avis,、拜耳等幾萬家客戶,。AWS將積累了二十余年的機器學習經(jīng)驗全部上云，幫助無數(shù)客戶完成了更快,、更高效向AI轉型的步伐，重塑AI進程,。盡管上云的趨勢是顯著和必然的,，但過程卻是曲折的。比如有些領域的一些工作負載需要在本地保留數(shù)年,，有些應用對網(wǎng)絡延遲非常敏感,，而且需要接近本地資產(chǎn),，例如金融高頻交易、制造支持系統(tǒng),、在電信邊緣提供網(wǎng)絡功能虛擬化 （NFV）服務等等,。在這些領域，哪怕是一秒鐘的延遲,，帶來的效果可能都是天差地別,。總結起來一句話，用戶希望在本地也能用上AWS的工具,，運行計算,、存儲等功能，享受到同等便利,。在意識到用戶需求和現(xiàn)有公有云產(chǎn)品之間的差異后,，AWS認為，一切要從用戶需求出發(fā),，于是有了“混合云”,。在業(yè)內(nèi)，不少人認為混合云就是本地基礎設施加上云,，但AWS并不認可,。AWS團隊對于混合、本地（on-premise）再次進行了思考,，本地不僅僅局限在本地數(shù)據(jù)中心,，工廠、旅店甚至偏遠地區(qū)的農(nóng)林田地的IT需求,，都應該算作本地,。于是，混合基礎設置便演化為“云+各種邊緣節(jié)點”,。AWS便按照這個思路開始重塑混合云領域,，圍繞著用戶需求，層層迭代,，推出了一系列服務,。在過去幾年中，AWS提供了Amazon VPC (虛擬私有云),、AWS Direct Connect（云直連）和Amazon Storage Gateway（存儲網(wǎng)關）等服務,，方便客戶在使用AWS的同時運行本地數(shù)據(jù)中心。而許多用戶的本地數(shù)據(jù)中心是基于VMware虛擬化的,，因此,，為了減少用戶學習成本，2017年,，AWS與VMware協(xié)作,，發(fā)布VMware Cloud on AWS,，客戶可以在AWS使用同樣的VMware軟件和工具，管理其AWS上的基礎設施,。與此同時,，對于必須駐留在本地的工作負載，客戶也希望能夠將AWS部署到本地,。于是,，在2018年，AWS開創(chuàng)式地推出了Outposts,。這是一款和AWS云數(shù)據(jù)中心一樣的服務器硬件,，上面有計算、存儲,、數(shù)據(jù)分析等AWS服務,，而且，仍然由AWS全托管,，負責安裝和維護等等,。用戶可以使用跟AWS云上相同的API、控制面板,、工具,、功能。AWS Outposts有兩種形態(tài)：一個 AWS原生形態(tài)（現(xiàn)在已經(jīng)可用）,，它允許客戶在Outposts使用與AWS公共區(qū)域完全相同的API和控制面板,；另一個形態(tài)是VMware on AWS Outposts。借助AWS Outposts,，客戶可以選擇計算優(yōu)化,、存儲優(yōu)化或圖形優(yōu)化的EC2（彈性計算云 ）實例，這些實例可以有本地存儲,，也可以沒有本地存儲,，還可以選擇EBS（彈性塊存儲）卷。針對時延敏感領域,，AWS推出了本地區(qū)域,，它是AWS區(qū)域的，可以讓計算,、存儲和數(shù)據(jù)庫服務靠近大城市,，將本地終端用戶的訪問延遲進一步降低?；?G網(wǎng)絡,，AWS Wavelength可以實現(xiàn)5G全程加速，讓用戶釋放5G低延時的商業(yè)紅利,。而針對環(huán)境惡劣,、網(wǎng)絡連接有限的地區(qū)，例如山區(qū),、船舶等,，AWS推出了Snow系列設備，可以連續(xù)計算,、數(shù)據(jù)存儲和數(shù)據(jù)轉送,。搜集數(shù)據(jù)完成之后，可以帶到總部去處理,。在本次re:Invent大會上,，AWS CEO Andy Jassy宣布了1U和2U兩款小尺寸的Outposts，1U尺寸像Pizza一樣大小,，和經(jīng)典型號功能一模一樣,，但體積縮小至1/40。小尺寸的Outposts可以很好地適應醫(yī)院,、飯館,、商店、工廠等等,，這些IT設備空間受限的場所,。可以說，AWS的混合云,，并不是一個“本地+云簡單混合”的結果,，而是一個不斷迭代的過程，就像打怪升級一樣,，不斷遇到挑戰(zhàn),、解決挑戰(zhàn)。AWS從問世到實現(xiàn)第一個100億美元收入,，用了123個月,；第二個100億美元增長，用了23個月,；第三個100億美元增長,，則用了13個月；如今,，第四個100億美元增長,，只用了12個月。收入快速增長的背后,，源自于AWS的不斷“重塑”,。2011年，AWS發(fā)布了80多項重要服務和功能；2012年,，發(fā)布了近160項,；2013年，發(fā)布280項,；2014年,，發(fā)布516項；2015年,，發(fā)布722項,；2016年，發(fā)布1017項,；2017年,，發(fā)布1430項；2018年發(fā)布1957項,；2019年,，發(fā)布2345項。今年re:Invent,，AWS在計算,、存儲、數(shù)據(jù)庫,、數(shù)據(jù)分析,、容器、機器學習運維,、工業(yè)機器學習等多個方面推出了143項更新,。根據(jù)Gartner在2020年8月發(fā)布的《2019年全球公有云IaaS和PaaS市場份額報告》，AWS的市場份額為45%,，超過第二,、第三、第四,、第五名的總和（34.3%）,。而事實上，云服務也仍處于發(fā)展早期,，Gartner發(fā)布的IT關鍵指標數(shù)據(jù)《2020：Industry Measures》顯示,，在全球IT總支出中，云上支出僅占4%,。因此,，無論是云產(chǎn)業(yè)，還是AWS,，都會迎來廣闊增長空間,。而驅動力，則來自于創(chuàng)新。創(chuàng)新很困難,，而創(chuàng)新者不斷顛覆自己來實現(xiàn)創(chuàng)新,，則更為困難。AWS用云顛覆了傳統(tǒng)IT,，但仍以重塑姿態(tài),，不斷顛覆自己,。而這個秘訣,，也許正是源自于貝索斯（Jeff Bezos）的思考“keep the vitality of Day 1”：永遠客戶至上customer obsession。
|
