2019年大数据与AI领域主要发展趋势(2)

智能家居 2019-08-19 16:30182未知admin

成本,以及对供应商锁定的担忧,加速了向混合方法的发展,包括公共云、私有云和本地部署的组合。面对众多的选择,企业将越来越多地选择最适合自己的工具来优化绩效和经济效益。随着云提供商更加积极地实现差异化,企业开始采用多云策略,利用每个云提供商最擅长的领域。在某些情况下,为了优化经济效益,最好的方法是将一些工作负载保留(甚至是调回)在本地,特别是对于非动态工作负载。

有趣的是,云提供商正在适应企业计算能力向混合环境发展的现实,像AWS会提供类似于AWS前哨的工具,允许客户进行本地计算和存储的同时,还能将本地负载与AWS云上其他程序无缝集成。

在这个新的多云和混合云时代,Kubernetes无疑是冉冉升起的巨星。Kubernetes是谷歌于2014年推出的一个用于管理容器化工作负载和服务的开源项目,它正经历着与Hadoop几年前同样的热情,有8000名与会者参加了KubeCon活动,还有源源不断的博客文章和播客。许多分析师认为,RedHat在Kubernetes世界的重要地位,在很大程度上促成了IBM以340亿美元的大规模收购。Kubernetes的前景是帮助企业实现跨环境运行工作负载,企业的混合环境会包括数据中心、私有云以及一个或多个公共云。

Kubernetes作为一个特别适合管理复杂、混合环境的编制框架,也越来越成为机器学习的有吸引力的选项。Kubernetes使用相同的基础设施服务于多个用户,使得数据科学家不必成为基础设施专家,就能够灵活地选择他们喜欢的任何语言、机器学习库或框架,并训练和扩展模型,允许相对快速的迭代和强大的重现性。Kubeflow是为Kubernetes开发的机器学习工具包,它的发展势头迅猛。

Kubernetes相对来说还处于起步阶段,但有趣的是,因为数据科学家可能更喜欢Kubernetes的整体灵活性和可控性,上述情况可能标志着一种远离云机器学习服务的进化。我们可能正在进入数据科学和机器学习基础设施的第三个范式转变,从Hadoop(直到2017年?)到数据云服务(2017-2019),再到一个由Kubernetes和下一代数据仓库(比如Snowflake)主导的世界(2019-?)。

这种演变的另一面是复杂性的增加。当然,这里会有一个综合平台的机会。平台会抽象并简化对大量云底层基础设施的操控,让更广泛的数据科学家和分析师群体更容易访问这个美丽的新世界。

尽管角度不同,Serverless模式就是这种简化的一种尝试。这种执行模型允许用户编写和部署代码,而无需担心底层基础设施。云提供商处理所有后端服务,客户根据实际使用情况的付费。在过去的几年里,Serverless模式无疑是一个重要的新兴主题,这也是我们在今年的Data&AI领域中增加的新品类。然而,将Serverless模式应用于机器学习和数据科学仍有较多工作要做,像Algorithmia和Iguazio/Nuclio这样的公司是早期进入者。

眼爆科技 Copyright © 2002-2017 深圳眼爆智能科技有限公司 版权所有 备案号:* 本站资源来自互联网,我们转载的目的是用于学习交流与讨论,如果您认为我们的转载侵犯了您的权益,请与我们联系(Email:gm@ybbtb.com),我们将在3个工作日内删除相关内容。

邮箱地址:gm@ybbtb.com