在現收現付定價模式的背后，公有云中有最新最好的開發、devops 和 AI 工具，用于更快地構建更好、更智能的應用程序。

當我們想到公共云時，通常首先聯想到的是財務支出：將工作負載從接近容量的數據中心轉移到云會減少資本支出 (CapEx)，但會增加運營支出 (OpEx)。這對財務管理者的吸引力具有兩面性，但對于開發人員、運營人員或將兩者結合為devops的人來說，其作用仍不容小覷。

對于這些人來說，云計算提供了許多在新軟件服務需要購買新的服務器硬件或企業軟件套件時根本無法獲得的機會。在本地部署需要六個月的時間，有時在云中只需要 10 分鐘。需要來自三個管理級別的簽名才能創建本地部署的費用可以從云中的賬單預算中扣除。

這不僅僅是時間和方便的問題。云還可以提高軟件開發的速度，這通常會縮短上市時間。云還可以允許更多的實驗，這通常會帶來更高的軟件質量。

此外，云中有真正的創新可以提供直接的好處并解決本地計算長期存在的問題。下面為大家介紹16種備受關注的云功能。

1. 按需計算實例

如果要在本地服務器上安裝新數據庫，那么可能需要等待數月甚至數年。如果能夠使用本地虛擬機 (VM) 而不是物理服務器，并且企業使用 VMware 或類似技術，那么等待時間將會縮減至數周。

但是，如果想在公共云上創建一個服務器實例，企業可以在大約 15 分鐘內配置并運行它，并且能夠根據需要調整它的大小，在不使用它時將其關閉。

2. 預建的虛擬機鏡像

使用企業選擇的操作系統啟動 VM 很方便，但仍然需要安裝和許可企業需要的應用程序。能夠啟動一個帶有企業選擇的操作系統和應用程序的虛擬機并準備好運行是十分珍貴的。

3. 無服務器服務

“無服務器”意味著一項服務或一段代碼將在短時間內按需運行，通常是為了響應事件，而不需要在其上運行的專用 VM。如果服務是無服務器的，那么根本不需要擔心底層服務器;資源是從云提供商維護的池中分配的。

目前在每個主要公共云上都可用的無服務器服務通常具有自動擴展、內置高可用性和按價值付費的計費模式。如果企業想要一個不受任何特定公共云限制的無服務器應用程序，可以使用供應商中立的無服務器框架，例如Kubeless，它只需要一個Kubernetes集群。

4. 按需容器

容器是軟件的輕量級可執行單元，比虛擬機輕得多。容器打包應用程序代碼及其依賴項，例如庫。容器共享主機的操作系統內核。

容器可以在Docker Engine或 Kubernetes 服務上運行。按需運行容器具有按需運行虛擬機的所有優勢，以及需要更少資源和成本更低的額外優勢。

5. 預建容器鏡像

Docker 容器是 Docker 鏡像的可執行實例，由 Dockerfile 指定。Dockerfile 包含構建映像的說明，并且通常基于另一個映像。例如，包含 Apache HTTP Server 的映像可能基于 Ubuntu 映像。企業可以在 Docker 注冊表中找到預定義的 Dockerfile，也可以構建自己的。還可以在本地安裝的 Docker 或任何支持容器的云中運行 Docker 映像。

與預先構建的虛擬機映像一樣，Dockerfile 可以快速啟動完整的應用程序，但與 VM 映像不同，Dockerfile 與供應商無關。

6. Kubernetes 容器編排

Kubernetes (K8s) 是一個開源系統，用于自動部署、擴展和管理容器化應用程序。K8s 基于谷歌內部的“Borg”技術。K8s 集群由一組稱為節點的工作機器組成，它們運行容器化的應用程序。

Worker 節點托管 Pod，其中包含應用程序;控制平面管理工作節點和 Pod。K8s 可以在任何地方運行，并且可以無限擴展。各大公有云都有K8s服務;企業也可以在自己的開發機器上運行 K8s。

7. 自動縮放服務器

企業不必將應用程序容器化并在 Kubernetes 下運行它們以在云中自動擴展它們。大多數公共云允許用戶通過添加(或減少)實例或增加(或減少)實例大小來根據使用情況自動向上(或向下)擴展虛擬機和服務。

8. 行星數據庫

主要的公共云和幾家數據庫供應商已經實施了全球規模的分布式數據庫，這些數據庫具有數據結構、冗余互連和分布式共識算法等基礎，使它們能夠高效工作并具有高達 5 個 9 的可靠性(99.999% 的正常運行時間)。

9. 混合服務

對數據中心進行大量投資的企業通常希望將其現有的應用程序和服務擴展到云中，而不是用云服務取代它們。所有主要的云供應商現在都提供了實現這一目標的方法，包括使用特定的混合服務(例如，可以跨越數據中心和云的數據庫)以及連接到公共云的本地服務器和邊緣云資源，通常稱為混合云。

10. 可擴展的機器學習訓練和預測

機器學習訓練，尤其是深度學習，通常需要數小時到數周的大量計算資源。另一方面，機器學習預測每次預測需要幾秒鐘的計算資源，除非正在進行批量預測。使用云資源通常是完成模型訓練和預測的最便捷方式。

11. 云 GPU、TPU 和 FPGA

在 CPU 集群上，使用大型模型和非常大的數據集進行準確訓練所需的深度學習通常需要超過一周的時間。GPU、TPU 和 FPGA 都可以顯著縮短訓練時間，并且將它們放在云端可以在需要時輕松使用它們。

12. 預訓練的 AI 服務

許多 AI 服務可以通過預訓練模型很好地執行，例如語言翻譯、文本到語音和圖像識別。所有主要的云服務都提供基于穩健模型的預訓練 AI 服務。

13. 可定制的人工智能服務

有時，預訓練的 AI 服務并不能完全滿足企業的需求。遷移學習僅在現有模型之上訓練幾個神經網絡層，與從頭開始訓練模型相比，它可以相對快速地為企業提供定制服務。同樣，所有主要的云服務提供商都提供遷移學習，盡管它們并不都使用相同的名稱。

14. 監控服務

所有云都支持至少一種監控服務，讓企業輕松配置云服務進行監控。監控服務通常會向使用者顯示一個圖形儀表板，并且可以配置為通知使用者異常和異常的性能指標。

15. 分布式服務

數據庫并不是唯一可以從以分布式方式運行中受益的服務。問題是延遲。如果計算資源遠離數據或管理的進程，則發送和接收指令和信息需要很長時間。如果反饋回路中的延遲太高，則回路很容易失控。

如果機器學習和數據之間的延遲太高，則執行訓練所需的時間可能會增加。為了解決這個問題，云服務提供商提供連接設備，可以將他們的服務擴展到客戶的數據中心(混合云)或客戶的生產空間附近(邊緣計算)。

16. 邊緣計算

將分析和機器學習在地理上靠近機器和其他現實世界對象(物聯網或物聯網)的需求導致了專門的設備需求，例如帶有 GPU 和傳感器的微型計算設備，以及支持它們的架構，例如作為邊緣服務器、自動化平臺和內容交付網絡。最終，這些都連接回云端，但在邊緣執行分析的能力可以大大減少發送到云端的數據量并減少延遲。

以上列舉的種種好處或許可以緩解企業對于云支出的焦慮，我們討論過的任何一項云創新都可以證明其使用是合理的。綜合而言，云計算提供好處將是推動企業發展的重要動力。