華為雲PaaS首席科學家:Cloud Native +AI,企業數字化轉型的最佳拍檔
近日,在2019華為全球分析師大會期間,華為雲PaaS首席科學家熊英博士在+智慧,見未來(華為雲&大資料)的分論壇上,
從雲端計算行業發展談起,深入雲原生髮展趨勢,對華為雲智慧應用平臺做了深度解讀。
熊英博士為大家分享了雲原生技術和平臺發展的新趨勢,重點介紹了華為雲智慧應用平臺。熊英博士提出雲原生技術使能企業
數字化轉型的三個關鍵點:多雲解決方案、泛在的容器和智慧邊緣。
IT投資投資趨勢
數字化轉型取代傳統應用
雲原生技術成為技術驅動力
根據市場調查和預測,企業近些年來在傳統應用程式方面的投資正在下降,取而代之的是對雲原生應用的投資。現階段大部
分企業已經開始新一輪的數字化轉型,即由傳統IT應用時代進入雲原生應用時代。
開源社群洞悉
雲原生技術惠及企業數字化轉型
關注度驟升
雲原生計算基金會(Cloud Native Computing Foudation,CNCF)2018年報資料顯示:
• 2018年,雲原生技術在生產中的使用翻了一番;
• 2018年,正評估及準備使用雲原生的企業使用者增長了3倍以上;
• 從2016年到2018年,CNCF主辦的雲原生技術大會KubeCon + CloudNativeCon的出席人數,增長了近3倍。
熊英博士表示:在我20餘年的IT從業經驗中,以上這種增長無疑是少見的,由此可見雲原生技術受企業的歡迎程度。
另一份來自CNCF的調查資料表明,企業得益於雲原生技術帶來的TOP3紅利包括:
更快的部署
更高的可擴充套件性
更好的可移植性
這與華為從客戶側獲取的反饋高度一致。
熊英博士表示:
雲原生是需要深耕的技術。華為雲在2015年就將其列入戰略技術投資範圍,如今在這方面已經取得了大量成果,成為了雲 原
生技術的領導者。
技術趨勢分析
關鍵詞:多雲&混合雲、邊緣、異構計算
如今,雲原生技術雖然已經在多個行業和領域規模商用,並充分發揮其架構優勢。但面向應用更高效能,更可靠的訴求,雲原
生技術仍需要不斷髮展並擴充套件其架構。
華為雲透過持續參與到技術社群、深入到商業客戶群,並與生態夥伴在雲原生領域進行合作與探討,提出雲原生技術與商業結
合的三大發展趨勢:
多雲和混合雲正成為企業的常態,雲原生技術將加速該程式。據中國信通院最新的混合雲市場調查,半數以上的企業正在積
極投入混合雲的建設。雲原生的可移植性從根本上解決了多雲混合雲實施的技術難題,有效加速企業多雲混合雲戰略的落地
程式。
計算能力應“推”至邊緣。下一代雲端計算的 形態並不會是集中式的超算中心,而是由成千上萬個邊緣節點連成的泛在式、分
布式的邊緣網路,形成泛在的雲。而云原生技術將成為該模式中不可或缺的技術支撐。
雲原生技術必須支援異構計算。隨著AI和機器學習的規模使用,雲原生技術必須支援以GPU,FPGA和ARM為代表的異構計
算,為雲上和邊緣提供更高效能的計算資源,使能雲原生應用更高效執行。
在某種程度上,華為正在引領雲原生技術的趨勢:這不僅是因為華為在雲原生技術的投資比中國甚至是部分國外企業都要
早,還因為在這個領域繼續的創新,不斷推出貼近客戶需求的、領先於其它企業的產品。
華為雲智慧應用平臺
應用上雲更簡單
數字化轉型更智慧
上面提到的三點,華為雲已在新推出了智慧應用平臺3.0中盡數包含。面向未來企業更多智慧應用的場景和更高的數字化轉型
要求,華為雲站在雲原生的肩膀上,在更專注於智慧應用的同時,為數字化轉型提供可整合傳統應用的ROMA平臺以及區塊
鏈解決方案,更契合現今的IT發展階段。
AI容器
軟硬全棧最佳化
為規模AI訓練提供雲端計算基礎
在AI領域,目前對算力的需求越來越高,開源組織OpenAI提出:AI領域對GPU的使用已經從單機多卡、多機多卡演進到AI專
用晶片。雲端計算領域對FPGA和異構計算的支援在下一階段顯得尤為重要。預測採用128 GPU平行計算將會是機器學習的常態
,跨叢集的GPU排程能力將顯著地影響計算的整體效率。
華為雲容器服務面向上述場景做深度最佳化:更早的以容器的方式支援GPU以及專用AI晶片,讓GPU和Ascend晶片的異構算
力服務於大規模AI訓練成為可能;藉助自身硬體優勢,華為雲採用硬體感知的NUMA裸金屬架構,IB高速網路進行深度的軟
硬體全棧最佳化,在資源池組網上保證100Gb大頻寬,滿足分散式訓練的海量引數同步要求;在K8S排程上,針對AI場景進行
深度最佳化,利用排隊、親和性、Gang Scheduling,對接AI分散式訓練框架,使能高效的AI分散式訓練,大幅度提升了計算
效率。
基於以上最佳化,華為雲在Stanford DAWN測試中,表現遙遙領先,深度學習訓練對比傳統GPU加速方式能夠提升3-5倍,在
128塊GPU時線性加速比高達0.8,超出行業水平50%以上。
KubeEdge
將AI 延伸到邊緣
形成泛在智慧邊緣網路
據IDC研究顯示,到2020年將產生500億的終端與裝置聯網,其中50%的資料將會在網路邊緣側分析處理,其中90%的需求來
源於AI計算。常見的邊緣計算方案,沒有更多考慮對智慧應用的支援。邊緣計算應當聚焦於支援智慧應用,並增強對智慧芯
片相容性。面向在邊緣進行的AI推理,邊緣側資源、監控、排程的複雜性將隨規模的擴大成倍增長,直接影響整體計算效率,
因此提升邊緣的管理能力迫在眉睫。
華為雲貢獻給CNCF的開源專案KubeEdge,是完全基於雲原生技術的:KubeEdge首先解決了智慧應用的移植性問題,為構
造泛在的智慧邊緣網路提供可能性。
KubeEdge還是CNCF社群接納的首個邊緣計算專案,並已成為智慧邊緣計算領域的架構標準。
多雲&混合雲管理
實現跨多雲&混合雲智慧治理
使用多雲&混合雲已經成為企業上雲的共識,快速實現雲原生應用跨雲管理、部署、運營也是企業上雲的關鍵訴求。華為雲
作為全行業首發容器多雲混合雲管理平臺的雲服務提供商,在今年3月已實現:
多雲多活應用、秒級流量接管:雲單點當機故障發生時,應用例項和流量可以秒級完成遷移。
自定義流量策略實現自動跨雲彈性:使用者透過在跨雲部署應用時提前定義流量策略,可應對未知流量高峰。私有云或某個公
有云上的服務無法負擔時,可以根據流量策略,將服務彈性擴容到其它雲叢集上,分擔流量負載,避免因流量衝擊而造成系
統癱瘓。
地域親和性策略最佳化客戶訪問體驗。應用跨區域部署時,使用自定義的流量管理親和性策略,能更合理的根據地域對流量進
行分配。降低業務訪問時延,提升業務響應速度。
華為雲多雲混合雲容器解決方案實施雲原生技術領域首個商用的多雲&混合雲的管理平臺,比上週Google剛剛釋出的Anthos
早了近一個月。
雲原生時代已至
行業數字化轉型
【Cloud Native BEST】
華為雲智慧應用平臺使用者遍佈網際網路、教育、金融、生物醫藥等行業,在已經到來的雲原生時代,全面使能各行業的數字化
轉型。
最後,熊英博士提出Cloud Native BEST:我們正處在IT轉型期,人工智慧和雲原生技術是推動企業數字化轉型的最佳搭檔,
華為很早就看到了這一趨勢,並構建了智慧應用平臺,提供Between Clouds, Edge Intelligence, Strongest Container
and enable Transformation,旨在幫助更多的企業實現雲原生和數字化轉型。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69908804/viewspace-2642269/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 跟著華為,學企業數字化轉型(1)
- 做企業數字化轉型的最佳拍檔,中軟國際的變與不變
- 跟著華為,學數字化轉型(9):業務如何數字化轉型
- 華為雲助力製造企業解鎖數字化轉型困局
- 低成本、高效率!華為雲桌面助力企業數字化轉型
- 企業數字化轉型新篇章,混合雲將成為最佳選擇
- 華為雲場景化解決方案 助力製造業企業數字化轉型
- 華為雲數字化轉型解決方案 助力製造業企業邁向智慧化
- 【數字化】智慧企業架構框架:為企業數字化轉型“奠基”架構框架
- 華為雲大資料平臺,助力企業數字化轉型成效明顯大資料
- 客戶案例 | 時速雲助力華數傳媒打造新一代容器PaaS平臺,為企業數字化轉型賦能...
- 技術創新+開放共贏 華為雲GaussDB加速企業數字化轉型
- 企業管理數字化轉型
- 學習心得之華為數字化轉型框架框架
- 企業數字化轉型與SAP雲平臺
- 跟著華為,學數字化轉型(8):組織轉型之業務IT一體化
- CRM系統是企業數字化轉型最佳選擇
- 企業數字化升級之路:百家企業數字化轉型發展分析報告
- 穩穩的數字化轉型!華為雲SAP解決方案
- 亞馬遜雲科技:“雲+數+AI”助力企業數智化轉型亞馬遜AI
- 企業數字化轉型向標杆企業學什麼?
- AI中臺如何助力企業數字化以及智慧化轉型AI
- 打破製造業數字化轉型困境:華為雲助力企業填補資料空白和簡化管理
- 阿里雲攜手VMware,助力企業數字化轉型阿里
- 企業數字化轉型通俗理解
- AI助力開啟快消企業數字化轉型之路AI
- 企業數字化轉型已成趨勢 混合雲成為新常態
- CATIA是為支援企業實現數字化轉型
- 華為數字化轉型,你為什麼就學不會?
- 基於多場景化解決方案,華為雲助力製造業企業走出數字化轉型困境
- 企業成功數字化轉型離不開美雲智數
- 企業數字化轉型的組織保障
- 企業數字化轉型的道與術
- 數字化之路(四):企業數字化轉型的若干發現
- 為什麼說雲原生是企業數字化轉型的通關密碼?密碼
- 跟著華為,學數字化轉型(3):模式創新模式
- 跟著華為,學數字化轉型(7):資料治理
- 企業內部數字化轉型更多的是因為疫情