云服務給我們傳遞的信息總是非常簡單：打消顧慮，我們會幫你處理所有的事情。忘記揮汗如雨地安裝服務器，忘記反復檢查備份柴油機，或是忘記那成千上萬容易出錯的環節帶給你的那份不安吧，把你的信用卡號和數據給我們，我們將完成剩下的工作。

　　在過去的幾個月里，我們創建了一個由遍布全球的眾多計算資源組成的龐大帝國，并對眾多的云服務展開了測試。每一處的機器都會先將我們的數據分解成極小的數據塊，然后再對這些數據塊進行進一步分解。私有網絡在機器之間承載秘密信息碎片，因此其他部分能夠利用這些數據并將它們變成漂亮的圖表。雖然桌面系統有點老舊，但借助瀏覽器，我們成功創建了一個遍布全球的機器網絡。

　　好消息是，當我要求這些計算資源走開時，機器就會消失。這就是云服務的誘人之處。在你需要的時候，你可以購買自己需要的計算資源。在微軟Windows Azure云服務中存在一個不恰當的重復收費現象，不過目前技術支持正在嘗試解決這一問題。當它們出現在信用卡賬單上時，我們注意到這一問題，希望它能夠很快得以解決。其他的機器收費很少，大概只有幾美分。在云端，你可以自由地購買機器，就如同購買糖果一樣簡單。

　　關鍵的不同之處

　　在展開這項針對公有云的評測后，最令人吃驚的發現是，云世界有著豐富的多樣性。任何認為云機器只是一種商品的人，都會對云服務所傳遞的信息產生誤解。營銷團隊宣傳的理念是，云服務讓計算機和存儲就像樂高積木那樣可以互換。但這并不是真的，所有提供商都在努力通過提供一些不同的和更好的東西來突出自己的優勢。有時候需要花上幾分鐘的時間才能準確地發現它們有何不同，不過這些變化對于任何處理大量工作的人來說通常都具有重大意義。

　　差異開始僅在于操作系統。這很容易誤解為所有的東西都是Linux的，因為Linux無處不在。但是這種理解忽視了分發中存在的區別。盡管許多標準的distros，比如Ubuntu無處不在，但是企業會通過一些修改創建屬于他們自己的版本。例如，亞馬遜AWS(Amazon Web Services)和谷歌GCE(Google Compute Engine)都針對云創建了自己的Linux版本。Rackspace用戶能夠選擇許多免費版本，或者是按月支付費用使用紅帽的企業版Linux。

　　Linux并不是唯一的選擇。許多云服務在支付額外的費用后可以使用在微軟的Windows上，不過對于微軟的Windows Azure和戴爾云而言，用戶不必支付額外的費用就能將云服務用在Windows上。這些云服務商希望通過一些服務吸引微軟用戶，讓他們能夠更為輕松地將更多的計算轉移到云上。任何對微軟技術投 入了大量資金的人都會對它們感到非常熟悉。而另一云服務商Joyent Cloud則通過對Open Solaris的改造形成了自己的SmartOS。

　　更深層次的差異體現在看不見的地方。就像購買英特爾服務器將它們安裝到自己的機架上，這些的機器似乎都沒有什么不同，但事實上，它們通常是性能強大的多核刀片式服務器，被分割成一個個的虛擬機提供給消費者使用。換句話說，你租用的不是一個獨棟別墅，而是一個公寓或是一個分時享用的度假別墅。

　　機器的基準測試

　　在你開始啟用這些機器的時候，它們之間的差異將會迅速顯現出來。云服務商試圖通過創建可測量CPU能力的單位來幫助我們，但很明顯這只一些非常粗略的指導方針。我們通過DaCapo collection of Java routines將這些計算機放入到我的龐大帝國中，對于那些構建Java 應用的人來說，這一測試是非常合適的。DaCapo套件對許多不同的工作展開測試，例如在Java中創建圖像和啟動Tomcat服務器。那些不使用Java的人也可以通過不同功能對比通用視圖得到一些參考，因為畢竟每個基準都會在機器上生成一種不同的壓力測試。

　　如此戲劇性的對比結果讓人難以相信這是在同樣配置機器上運行同樣測試所得到的。這是由于不同機器采用了不同類型的虛擬化層來處理不同設備的驅動程序。當這些“不同”以有趣的方式來應用時，產生的結果自然也完全不同。

　　比如Lucene(一種常見的大量文本文檔索引工具)，在創建索引測試時，SoftLayer的機器要比亞馬遜基本實例快上至少兩倍。但是在索引建成后，在搜索索引時，SoftLayer機器僅比亞馬遜快30%左右。

　　即使在相同的云中，不同機器之間的結果也會顯著不同。例如，谷歌提供了大量的機器，但是它們的表現卻與預期不符。比如在大多數的基準測試中，高性能CPU機器極有可能與標準機器性能基本相當或略有提升。而在Tomcat 模擬中，前者速度是后者的兩倍。令人費解的是，在Avrora 基準測試中，前者則比后者要慢三倍。

　　當然，在這些關于谷歌機器的測試中，以往的經驗法則通常是正確的，但是它們很少像你預料的那樣準確。經驗也會經常出錯。比如添加更多的CPU來幫助多線程測試，但結果顯然與預期不符，有時候甚至會減緩速度。增加RAM(隨機存儲器)雖然可以加速，但結果顯示也并非總是如此。這些明顯的增速措施有時候僅能增加一點速度，大部分測試還是維持結果不變，而少數(例如XALAn解析器等)則變化顯著。

　　所有這一切意味著你需要一個博士學位和大量實踐經驗才能確定一個基本問題：這些機器究竟值多少錢?這些測試顯然能夠幫助你精打細算。如果是構建Lucene而不是搜索索引，顯然SoftLayer機器更合算。但是如果單純對比3美分/小時或者4美分/小時顯然沒有多大意義，因為只有廣泛實際測試實例才能真正揭示出服務的價值。

　　數據存儲

　　虛擬化影響最深的是數據存儲。顯然，數據庫速度嚴重依賴磁盤驅動器的I/O通道速度，每個額外的虛擬化都會降低其速度。有些云服務商沒有對此提出解決方案，是由于他們認為客戶可以運行自己的數據庫系統。

　　當然，也有提供了特殊數據存儲服務的云服務商，它們可以按照字節收費。SoftLayer實例可以提供 MongoDB的服務。而HP Cloud和Rackspace Cloud提供的則是類似MySQL這類的服務。還有很多企業通過不同數據庫技術，剝離虛擬化層之后構建API，以提供按字節而非機器收費的存儲服務。其寓意就是，通過高度調優的操作系統提供超越常規機器的性能表現。

　　其他服務強調的則是不同性能屬性。亞馬遜有多種數據存儲的解決方案，其中的Glacier就很有意思。這是一種檔案存儲服務，其數據讀取時間達幾小時。注意，不是毫秒、秒和分鐘，而是按照小時。注：亞馬遜最初推出Glacier服務(冷存儲)時，存儲 1GB 大小的檔案，每月僅需支付1美分。

　　你可以選擇獨立的機器，并部署你喜歡的存儲解決方案，這些托管解決方案在你下決心前具有很大的誘惑力。如果一個云有你喜歡的存儲層類型，你通常會接受其他的工具。

　　網絡選項

　　網絡是另外一個需要重點關注的領域。一些云，例如戴爾和SoftLayer的云提供了連接機器的私有網絡。這讓用戶可以很容易地創建數據庫機器，不過這些機器數據庫僅監聽私有網絡。從安全性上看，這樣可以回避一些來自公共互聯網的攻擊。但是這并不是一種完美的技巧，因為在云上仍然存在安全問題，不過對于云安全而言，起碼這是一個好的開始。

　　一些其他的提供商會提供更為詳細的地理信息，并將此作為他們云服務的一部分。清楚自己的機器位于什么地方能夠幫助用戶決定將數據存儲在何處。尤其是那些擁有極為寶貴數據的用戶，能夠借此創建一個機器帝國，將數據備份在不同的地區，以更好地抵御風暴、火災和其他一些地域性的災難。例如，谷歌對于獨立數據中心間的帶寬成本非常清楚，因此其定價也不同于同一數據中心機器間的信息傳輸價格。

　　帶寬計量有可能會出現混亂。例如戴爾云等一些云服務對于輸入流量并不收費，這一措施簡化了計量和賬單生成，同時創建了一個引誘你存儲信息的陷阱。數據存儲進去很容易，但是你卻無法讓數據從這些云服務中離開。如果你正在創建類似于《銀河系漫游指南》中的大型數據統計機器，在輸入大量數據的同時只需要反饋一個數據，那么這一數據計劃還是頗具吸引力的。

　　超越基礎的服務

　　在云服務中，最具吸引力的部分是特殊用途的機器。即便它們對你目前正在使用的PHP代碼沒有什么大的幫助，它們也有望能夠讓未來追蹤一些挑戰變得更加容易。例如，亞馬遜有一組顯卡 (GPU) 服務。你可以通過這些服務輕松實現構想或者算法驗證。物理學家、生物學家、計算機科學家都可以驗證之前難以嘗試的設計。

　　這些特殊的堆棧并不需要特殊的硬件。大量的云，包括亞馬遜、Joyent和Windows Azure，都提供了一些特殊的Hadoop機器來支持一些奇思妙想。他們優化了基礎操作系統，并優化了JVM以獲取更好的性能。Joyent甚至聲稱可以提供“快三倍的速度”。

　　當然，它們還有一些其他的特殊服務，但是它們對于我來說可能并不重要。一些云擁有更為出色的性能測量功能和優秀的圖形化儀表盤。事實上，我們在此次評測中并沒有對它們做太多的關注。清楚機器上的整個負載情況非常有用，但是對大多數開發人員而言，他們一般會自己來統計數據，以便更好地感受吞吐量等關鍵數據。你的需要可能是多種多樣的，其中可能包含一些額外功能。

　　另一些類似功能的重要性可能會下降。云服務中出現的一些最新功能正在讓機器自動化變得更加容易，用戶只需要做少量操作即可改變每臺機器的配置。例如，亞馬遜允許通過相同的鏡像來創建數以百計的新機器，然后通過配置信息讓這些機器自己進行修改。整個過程中不需要登錄每臺機器進行獨立配置。

　　這類功能的價值取決于幫助你提供工作效率的程度。如果你的堆棧是靜態的，這一功能顯然意義不大。但是如果你要建立或取消大量機器，那么這種自動配置功能就至關重要了。對于那些需要應對不定時爆發的大數據的人員來說，對此類功能支持得越多，越能獲得他們的垂青。

　　適合自己的云服務

　　如果要從上述云服務中總結出一個經驗的話，那就是任何結果都不是一成不變的。對于你來說最合算的機器，對我來說可能并不一定是最合算的。對于你來說最合算的帶寬價格方案，對于我來說可能是非常昂貴的。評測的基準點非常多，這就如同數據存儲的價格一樣。在做出決定之前，我們每一個人都要根據自己的系統花時間對方案進行研究和評估。

　　情況看起來非常有趣。云服務可能看上去能夠降低運營服務器集群的復雜性，但是服務商實際提供的卻是選擇不同架構的棘手問題。這些選項讓我們意識到，自己不必對備份發電機和機架容量等問題考慮那么多。但在花費了數月時間進行測試后，我們意識到工作實際上并沒有真正結束。