Cloud Native的黑与白

简介: Cloud Native的黑与白

前不久,我在《容器五大应用场景》那篇文章里提到了一家容器基金会组织CNCF——Cloud Native Computing Foundation,即云原生计算基金会。

恰恰是这家CNCF值得我们推敲,因为在这一组织里,不仅有阿里云、Docker、Twitter、Rancher、DaoCloud这些纯互联网企业,还有IBM、Intel、思科、华为、红帽、WMware等传统IT企业。

image.png

众所周知,Cloud Native即云原生,字面理解云原生应该是云计算原驻民的意思,为什么IBM、Intel、思科、华为、红帽、WMware这些老牌的传统IT厂商,也能“混迹”其中?

一种可能是,CNCF是谷歌发布其容器编排系统Kubernetes1.0版本时发起的开源组织——谷歌为了推广其容器编排系统Kubernetes,需要这些业界巨头与云计算创业公司一道参与其中,共同把市场做大。

这样看来,Cloud Native就是一个非常有趣的话题。到底什么是云原生架构?云原生给我们带来的好处是什么?我们应该如何看待云原生架构与传统IT架构之间的关系?

何为Cloud Native


笔者听到过的关于云与传统IT之间形象比喻有不少,大致是说,公有云好比是电厂、水厂、银行,传统IT就好像是自己家中的发电机、水泵或者现金。大家希望未来使用计算能力就好像使用水、电和银行卡一样,随用随取。

当然愿望归愿望,人们使用计算资源的现实,距离这个目标显然还有不少的距离。毕竟云计算在目前,至少还属于高科技,确实与水、电和货币这些基础资源不一样。

因此,并不是所有的IT系统架构只能跑在云上。换句话说,谷歌的做法说明,Cloud Native应该与传统IT是相通的。

在阿里云产品负责人何云飞看来,技术和商业模式的变革不是简单推翻过往,而是在上一轮技术的基础上,能让企业的运营效率更高,企业的商业价值更好。

当然,今天所谓的“传统IT”,主要是指IT架构“分久必合、合久必分”中的“分”的时代——也就是指三十多年前,IT架构分拆出独立和专业的存储、网络组件的供应商,比如EMC、思科等。而后,虽然IT架构虽然重新趋于“合”,但诞生于近20年前的VMware,在当时环境下只能把计算、存储等组件简单通过虚拟化手段攒在一起,而非像今天Cloud Native把所有堆栈有机融合在一起共同开发。

今天,Cloud Native“合”的好处之一是,让整个云服务的堆栈可以实现自动化的运维,降低数据成本,提高使用效率。

由于Cloud Native基于云计算的能力,可以实现微服务模式,使得DevOps可以利用Cloud Native的微服务器架构以实现松耦合、高内聚的产品。

应用驱动模式变革


抛开这些生涩的技术名词,我们更有必要看看那些较早采用公共云服务的企业为什么如此选择?或者看看有哪些企业比较容易接受公共云服务?

作为一家互联网企业的员工,何云飞认为互联网企业选择公共云服务,是因为互联网企业希望使用到最先进的技术,从而能够以最快的速度往前发展,这就需要系统不断快速迭代;其二,企业希望快速把新产品投放市场;第三,这些企业在初期只希望为自己想要的东西买单,不想一次投入太多的资金资源;第四,他们希望自己的基础设施足够精简,不希望在IT运维上花费太多的时间。

image.png

但是,纯粹的公共云毕竟是公共的,就好比是私家车和公共汽车的关系一样,不可能你想去哪儿就去哪儿。比如说,公共云服务不可能完全满足定制化需求;比如说,公共云服务的风险和责任之间的关系,还没有到达银行与个人银行卡之间那种责任与权利的关系。

从这个意义上,公共云和企业内部的传统IT架构或私有云在现阶段必然是互补的。当然最理想的状况是,公共云和企业内部IT之间能够随时切换,因为这样就如同自己的钱随时可以从银行中取出现金来,也可以随时放到银行中去一样,满足企业现阶段的需求。

满足企业数字化转型需求


企业既需要Cloud Native的公共云服务,又需要私有IT,这种模式的关键是要做到数据互通。众所周知,数据互通的关键是开放API。比如传统财务软件今天在云上,企业只要一个API,就可以查到与企业发生财务关系的供应商信息的真伪。

无疑,Cloud Native完全是构筑于即插即用的API和SDK上的,但问题在于,传统IT架构并非如此。

这时候,如果Cloud Native既能成为企业公共云部分的IT架构,也能成为企业内部IT的关键构件,那么这样一种基于Cloud Native的混合IT,实际上就是基于Cloud Native的混合云,显然能够满足企业的定制化和简单易用的需求,在API开放的基础上,轻松实现数据互通。

何云飞认为,Cloud Native与业务的结合,一定会带来商业本身企业运营效率的提升,也一定能够推动企业的数字化转型。

支持Cloud Native混合云的阿里云


一个例子,回到开篇提到的最近十分火爆的容器。

容器的好处笔者在上一篇文章中提到过,主要有两点。一是因为容器可以跨平台,从而让程序员可以享受到研发生产环境一致性的便利,也就是DevOps;二是容器在虚拟机里面可以大幅度提升资源利用率。

如今在容器领域,代表性的两大产品,一是Docker,二是谷歌的Kubernetes。值得一提的是,Docker和Kubernetes不仅都可以部署在阿里云的公共云平台上,同样Docker也已经在阿里云平台的Apsara Stack Agility中落地,可以部署在企业自有数据中心环境内,适用于企业专有云及混合云场景。

实际上,阿里巴巴电商平台本身已经全面容器化,能够部署和管控超过几十万容器规模,在双11狂欢节稳定支撑了每秒175000次的订单交易。

从这一角度讲,Cloud Native绝不仅仅是公共云所特有的。Cloud Native是企业数字化转型的一部分,可以以混合云的方式部署在企业数据中心内,这应该是企业新一代IT架构的基础。

相关实践学习
深入解析Docker容器化技术
Docker是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。Docker是世界领先的软件容器平台。开发人员利用Docker可以消除协作编码时“在我的机器上可正常工作”的问题。运维人员利用Docker可以在隔离容器中并行运行和管理应用,获得更好的计算密度。企业利用Docker可以构建敏捷的软件交付管道,以更快的速度、更高的安全性和可靠的信誉为Linux和Windows Server应用发布新功能。 在本套课程中,我们将全面的讲解Docker技术栈,从环境安装到容器、镜像操作以及生产环境如何部署开发的微服务应用。本课程由黑马程序员提供。     相关的阿里云产品:容器服务 ACK 容器服务 Kubernetes 版(简称 ACK)提供高性能可伸缩的容器应用管理能力,支持企业级容器化应用的全生命周期管理。整合阿里云虚拟化、存储、网络和安全能力,打造云端最佳容器化应用运行环境。 了解产品详情: https://www.aliyun.com/product/kubernetes
相关文章
|
算法 搜索推荐
【算法与数据结构】归并排序的代码实现(详细图解)以及master公式的讲解
【算法与数据结构】归并排序的代码实现(详细图解)以及master公式的讲解
453 0
|
存储 缓存 编解码
Web端短视频编辑器的设计与实现 - 像做PPT一样做视频
对于视频的生产,一般的方案是交由专业机构去创作,但这将花费很多预算,如果我们能提供一个工具,基于知识的通用结构沉淀一些视频模版,让用户快速创作出视频知识内容岂不美哉?让想法再奔放些,如果我们能直接从知识库中抽取结构化的知识内容直接生成视频或是半成品视频,用户只需要稍作调整就能发布,这想想就很酷吧?是的,小蜜视频创作工具我就是想做这样一件事情。本篇分享来自阿里巴巴前端工程师李志成(敦固)在第十六届D2前端技术论坛的分享。
4043 0
Web端短视频编辑器的设计与实现 - 像做PPT一样做视频
|
存储 人工智能 分布式计算
2021云栖大会丨阿里云发布第四代神龙架构,提供业界首个大规模弹性RDMA加速能力
10月20日,2021年杭州云栖大会上,阿里云发布第四代神龙架构,升级至全新的eRMDA网络架构,是业界首个大规模弹性RDMA加速能力。
2021云栖大会丨阿里云发布第四代神龙架构,提供业界首个大规模弹性RDMA加速能力
|
7月前
|
传感器 人工智能 供应链
智能体未来发展趋势:对标国家“十四五”AI规划的技术方向研判
《智能体技术发展白皮书(2024)》指出,自主、多模态、行业化智能体将成为未来三年核心方向。自主智能体实现动态决策,提升制造效率;多模态智能体优化人机交互,覆盖智能家居等场景;行业化智能体深度融合医疗、金融、教育等领域,推动数字化转型。预计2027年行业市场规模超800亿元,助力国家人工智能战略落地。(238字)
|
自然语言处理 算法 数据可视化
9-4|Python在一群人聊天记录中提取关键字 需要什么步骤
9-4|Python在一群人聊天记录中提取关键字 需要什么步骤
|
机器学习/深度学习 编解码 算法
什么是超分辨率?浅谈一下基于深度学习的图像超分辨率技术
超分辨率技术旨在提升图像或视频的清晰度,通过增加单位长度内的采样点数量来提高空间分辨率。基于深度学习的方法,如SRCNN、VDSR、SRResNet等,通过卷积神经网络和残差学习等技术,显著提升了图像重建的质量。此外,基于参考图像的超分辨率技术通过利用高分辨率参考图像,进一步提高了重建图像的真实感和细节。
|
人工智能 编解码 数据可视化
Stable Diffusion基础:精准控制之ControlNet
在AI绘画中精确控制图片的生成是一件比较困难的事情,炼丹师们经常需要大量抽卡才能得到一张满意的图片,不过随着 ControlNet 的诞生,这一问题得到了很大的缓解。 ControlNet 提供了十几种控制网络模型,有的可以控制画面的结构,有的可以控制人物的姿势,还有的可以控制图片的画风,这对于提高绘画质量、提升生图速度特别有用;基于 ControlNet 的能力,炼丹师们还可以将AI绘画拓展到更多的应用场景,比如艺术二维码、光影文字、线稿上色、老照片修复、图片风格转绘等等。
2002 0
Stable Diffusion基础:精准控制之ControlNet
|
传感器 测试技术 数据库
面向对象分析与设计_用例图
面向对象分析与设计_用例图
1336 0
|
机器学习/深度学习 传感器 编解码
设备指纹:掌握联网设备全貌,为风控决策、模型建设提供重要支撑
作为了业务体系的基础组件之一,设备指纹广泛应用在标记、追踪、临时凭证、分析、反欺诈等不用服务场景下,是业务安全体系的重要组成部分。
1422 0
设备指纹:掌握联网设备全貌,为风控决策、模型建设提供重要支撑
|
数据可视化 Windows
Computer:Microsoft Office Visio2021的简介、安装、使用方法图文教程之详细攻略
Computer:Microsoft Office Visio2021的简介、安装、使用方法图文教程之详细攻略
Computer:Microsoft Office Visio2021的简介、安装、使用方法图文教程之详细攻略

热门文章

最新文章