最近筆者有機會在不同的活動上就最新開源軟件和云原生技術的API策略發表演講，都獲得了積極反饋。這個話題的獨特之處在于，它不是從通常的API策略討論點來討論的，而是從討論最新技術以及開源軟件和云原生應用程序的增長如何塑造API策略的角度來討論的。

筆者將從討論創新開始。所有最新的軟件創新要么是開源軟件，要么是基于開源軟件。增強現實、虛擬現實、自動駕駛汽車、人工智能、機器學習(ML)、深度學習(DL)、區塊鏈等，都是使用開源軟件構建的技術，這些開源軟件使用并與數百萬API集成。

當今的軟件開發涉及API的創建和使用。一切都與API有關，在一些組織中，甚至還有API蔓延，這是指在沒有控制或標準化的情況下廣泛創建API。

技術棧和云原生應用程序

在現代軟件開發中，有棧的概念。開發人員和組織有很多選擇，他們可以選擇多種技術組合來創建自己的棧，然后培訓或雇傭所謂的全棧開發人員來處理這些棧。棧的一個例子在很大程度上包括開源軟件，如Linux、編程語言、數據庫、流媒體技術、運行時和DevOps工具，所有這些都使用API并與之集成。

從技術棧來看，云原生應用程序，指的是基于容器的應用程序。如今，所有技術都有許多云原生選項;云原生云計算基礎環境是可用的云原生生態系統的一個樣本。

當組織從幾個容器中的應用程序轉移到幾十個甚至數百個容器中的應用程序時，他們需要幫助管理和編排所有基礎設施。這就是Kubernetes發揮作用的地方。Kubernetes已經成為我們這個時代最受歡迎的開源項目之一，它已經成為云原生應用程序的實際基礎設施，并促使成了Kubernetes operator的一個新的、不斷增長的生態系統;大多數流行的軟件現在都有自己的operator，可以更容易地在Kubernetes環境中創建、配置和管理，當然，operator也可以與Kubernetes API集成。許多可用的數據技術現在都有Kubernetes operator，以促進和自動化與Kubernetes API集成的有狀態應用程序的使用。

什么是API管理層?

云原生環境也有其棧、云基礎設施、操作系統、容器編排、容器operator、應用程序代碼和API。所有這些都支持一個軟件解決方案，該解決方案將數據集成并公開給移動設備、web應用程序或其他服務，包括物聯網設備。無論技術組合如何，都應該使用API管理平臺功能來保護一切。API管理平臺是云原生應用程序之上的一層，當數據和API暴露在組織的網絡之外時，必須對其進行保護。

而且，說到技術架構，API管理平臺具有靈活的部署選項非常重要。策略和設計應始終包括可移植性、在不同架構(例如PaaS、內部部署、混合云、公共云或多云架構)上移動和部署的能力。

面向云原生技術需要考慮的3種API策略

要為最新的技術設計API策略，有多個選項可以概括為三個主要方面。

首先，是一種現代化戰略，從將單體應用程序分解為服務，走向云原生，當然，還要與大型機中的關鍵任務應用程序集成。對于這種策略，需要構建和維護安全的API。

設計API策略的第二個領域是所謂的無頭架構，即首先向API添加特性和功能，然后可選地向用戶界面提供該功能的概念。采用微服務或完全基于API設計的粒度架構，以促進集成和自動化。

第三個API戰略領域是關注新技術，從創建API生態系統以吸引貢獻和使用公共API的客戶和合作伙伴，到選擇技術棧并將其與新技術(如AI、無服務器計算和邊緣計算)集成。最重要的是，每個API策略都必須包括API管理和安全思維。

API管理平臺應包括API設計、測試和安全的完整生命周期功能。其他功能，如分析、商業智能和API門戶，允許組織利用DevOps和全生命周期管理來開發、測試、發布和使用API。

關于當今最新技術以及如何將這些技術的知識和使用作為API策略的一部分的幾個例子包括：第一個是DevOps集成。DevOps自動化有多種商業和開源選項。關鍵部件包括持續集成和持續交付工具;另一個非常相關的領域是數據和人工智能技術，這是一個不斷增長的領域，人工智能開發生命周期的每個階段都有數千個選項，從數據收集和組織到數據分析，以及ML和DL模型的創建和培訓。人工智能開發生命周期的最后一步應該包括自動部署和維護這些ML和DL模型。所有這些步驟都應該與通過API的不同技術的完全集成相結合，并與API管理平臺的重要層進行外部集成，包括數據源。

開源和API管理層

總之，從開源棧、DevOps工具到人工智能的所有這些新技術，共同的保護和管理層是API管理層。應該有一個由API管理驅動的安全第一的API策略，重要的是要記住，在當今時代，API無處不在，現代技術棧將通過API與數據技術(數據庫和存儲)、DevOps和領先的人工智能集成。不要忘記在設計和管理API時考慮安全性。無論選擇哪種現代化的API策略，作為無頭架構，還是基于新技術，API策略都必須與你的技術選擇和未來愿景齊頭并進。