2019年的云計算市場、用戶、行業(yè)的特點首先不再盲目上公有云，其次云數(shù)據(jù)庫或者說云原生數(shù)據(jù)庫為代表出現(xiàn)成熟使用，中國云服務市場排名基本上無變化，具體表現(xiàn)如下：
用戶至少要兩云混合部署
從用戶角度有調(diào)查發(fā)現(xiàn)，多數(shù)企業(yè)在尚未看到預期回報后，就將基于云的應用遷回本地數(shù)據(jù)中心。在對350位全球IT決策者的調(diào)查中，74%的受訪者表示他們已經(jīng)將應用“搬回”到公司內(nèi)部的基礎設施。其原因可能是受到云遷移時的性能制約、監(jiān)管方面、業(yè)務復雜度的因素，核心問題是云策略出現(xiàn)了問題。當然這并不是說公有云本身有什么問題，而是企業(yè)基于對業(yè)務的認知，混合多云正走向舞臺中央。
某調(diào)研顯示，超過八成的企業(yè)已經(jīng)開始在多云環(huán)境中開展運營。其中，超過四分之三的受訪企業(yè)表示，他們正在使用至少2-15個云平臺。企業(yè)構建新的多云環(huán)境，平均要使用幾個云以及數(shù)百個Kubernetes集群，需要投入大量人力、時間和資金進行管理，而云管理服務可以幫助企業(yè)管理、治理和優(yōu)化混合多云環(huán)境。
傳統(tǒng)軟件云商變多云管理商
像IBM這樣的傳統(tǒng)軟件云服務提供商，可以帶來DevOps與應用管理、企業(yè)應用管理、多云服務平臺、多云托管服務、托管基礎架構即服務、云安全與彈性實現(xiàn)多個云平臺之間統(tǒng)一標準化的云管理和自動化。例如，IBM Cloud Paks正是IBM將其軟件產(chǎn)品組合轉型為云原生并且進行優(yōu)化，可在紅帽O(jiān)penShift上運行的一種預集成解決方案，能夠運行在AWS、Azure、Google Cloud、阿里云、IBM Cloud等公有云或私有云上。對于已經(jīng)處于多云環(huán)境的客戶來說，多個云平臺，以及需要在不同的供應商之間跨云平臺及IT環(huán)境加劇了管理的復雜性。同時，多云環(huán)境還對企業(yè)內(nèi)部IT管理人員提出了更高的要求，要求他們掌握更多的技能，能夠合理制定企業(yè)云戰(zhàn)略，確定優(yōu)先事項等。
第二梯隊追趕排名未變
2019年的中國云計算市場份額一方面繼續(xù)強者恒強，另一方面“后來者”的追趕步伐加速。根據(jù)IDC公布的數(shù)據(jù)，2019上半年中國公有云服務整體市場規(guī)模（IaaS/PaaS/SaaS）達到54.2億美元，其中IaaS市場同比增長72.2%，PaaS市場增速有所回落，同比增長92.6%。從IaaS+PaaS份額來看，阿里云繼續(xù)領跑，份額接近50%，超過第2-5名廠商（騰訊、中國電信、AWS、華為）的份額總和。第二季度，華為云IaaS+PaaS份額增長超過350%。
如果以IDC第二季度的IaaS市場份額數(shù)字來看，阿里云為41.6%、騰訊云為11.88%、中國電信為8.54%、華為云為6.7%、AWS為6.58%，中國云服務市場排名基本上沒變化。
另外從百度云的增長因素可以看到，AI方面的應用，以及PaaS層面的布局是加速份額提升的核心要素。從行業(yè)來看，互聯(lián)網(wǎng)仍然是公有云廠商角逐的主戰(zhàn)場，但增長空間已不大，而對于阿里云、騰訊云這樣體量較大的公有云服務商把目光放在了傳統(tǒng)產(chǎn)業(yè)改造上，為政務、制造、金融等行業(yè)發(fā)布了眾多智慧解決方案。
云服務帶動AI芯片
芯片并不是硬件廠商的“專利”，2019年有不少云服務商都推出了芯片產(chǎn)品，這里以阿里云、華為、AWS為例。在9月召開的杭州云棲大會上，阿里云CTO行癲發(fā)布了阿里首顆AI芯片“含光800”，硬件上采用自研芯片架構，軟件層面集成達摩院算法，針對CNN及視覺類算法深度優(yōu)化了計算和存儲密度，實現(xiàn)了大網(wǎng)絡模型在一顆NPU上完成計算。實際應用過程中，在杭州城市大腦處理杭州主城區(qū)交通視頻時，如果使用40顆傳統(tǒng)GPU處理延時為300ms，而同樣的數(shù)據(jù)規(guī)模僅用4顆含光800即可處理，延時降至150ms。
與含光800精于推理有所不同，華為在9月的全聯(lián)接大會上發(fā)布了AI訓練集群Atlas 900，該集群由數(shù)千顆昇騰910 AI處理器互聯(lián)構成，總算力達到256P-1024P FLOPS FP16，相當于50萬臺PC的計算能力，搭載的每顆昇騰910AI處理器內(nèi)置32個達芬奇AI Core。根據(jù)華為的介紹，基于“ResNet-50 v1.5模型”和“ImageNet-1k數(shù)據(jù)集”，Atlas 900AI訓練集群只需59.8秒就可完成訓練，“ImageNet-1k數(shù)據(jù)集”包含128萬張圖片，精度為75.9%，在同等精度下Atlas 900 AI訓練集群比第2名快15%。
Graviton2是亞馬遜研發(fā)的第二代高性能云端處理器芯片，該處理器是由AWS使用64位Arm Neoverse內(nèi)核定制構建的，可為在Amazon EC2中運行的云工作負載提供較好的性價比。Graviton2使用了7nm制造工藝，晶體管數(shù)量達到300億，較上一代芯片核心數(shù)增加4倍。同時，Graviton2還對Unix和容器保持了很好的支持。除了Graviton2，亞馬遜還推出了用于加速機器學習推理計算的芯片Inferentia，可以提供128TOPS算力，支持INT-8和FP-16/bfloat-16計算類型。
AI量子計算由云提供
以上基于AI芯片的能力均以云服務的形式提供，這也代表了一種新的AI輸出方式。同時，量子計算——這一面向未來的技術同樣也在云端實現(xiàn)著“轉化”，IBM、AWS均是如此。在re:lnvent2019上，AWS就發(fā)布了量子云平臺Amazon Braket，這是一項完全托管的服務，通過提供相應的開發(fā)環(huán)境幫助用戶了解量子計算，以探索和設計量子算法，在模擬量子計算機上進行測試，并在所選擇的不同量子硬件技術設備上運行算法。
具體來說，用戶可以通過Amazon Braket從零開始設計自己的量子算法，也可以從一組預先構建的算法中進行選擇。定義算法后，Amazon Braket將提供全面托管的模擬服務，進行故障排除并對實施進行驗證。準備好后，用戶可以在自己所選擇的不同量子計算機上運行算法，包括Rigetti基于門的超導計算機、D-Wave量子退火超導計算機以及IonQ離子阱計算機。為了更易于開發(fā)將傳統(tǒng)任務和量子任務結合在一起的混合算法，AmazonBraket還能幫助管理傳統(tǒng)計算資源并與量子硬件建立低延遲連接。
數(shù)據(jù)庫原生在云上了
另一個變化是云數(shù)據(jù)庫，或者進一步說是云原生數(shù)據(jù)庫，而云原生+分布式也被阿里巴巴集團副總裁、阿里云智能數(shù)據(jù)庫事業(yè)部總經(jīng)理李飛飛視為下一代企業(yè)級數(shù)據(jù)庫的方向。Gartner預計，到2022年75%的數(shù)據(jù)庫將被部署或遷移至云平臺，只有5%的數(shù)據(jù)庫會考慮部署在本地。與此同時，AWS、阿里云、騰訊云等云廠商紛紛用自研數(shù)據(jù)庫的方式替代Oracle。此時的另一項數(shù)據(jù)顯示，傳統(tǒng)商業(yè)數(shù)據(jù)庫在未來幾年的市場份額將進一步下滑。云正在倒逼傳統(tǒng)數(shù)據(jù)庫轉型。
背后的一大原因在于，企業(yè)機構正在云中部署新的應用程序并以更快的速度遷移現(xiàn)有的數(shù)據(jù)資產(chǎn)。Gartner認為，這會先從用于分析的數(shù)據(jù)管理解決方案系統(tǒng)用例開始，比如數(shù)據(jù)倉庫、數(shù)據(jù)湖以及其他數(shù)據(jù)被用于分析、人工智能和機器學習的用例。此外，遷移至云的運行系統(tǒng)也在日益增加，尤其是轉換為軟件即服務模式的運行系統(tǒng)。
以AzureSQL Database為例，其滿足了多個SQL Server遷移上云的需求，同時用戶又可以享受到更低成本、更高效率。更關鍵的是，云原生數(shù)據(jù)庫不僅可以更聰明，還能實時在線，后者也是云的一大賣點。不管是OLTP還是OLAP，是可以共存的。此外，云原生數(shù)據(jù)庫也是開源的。
當SQL走上了云，相當于把服務需求托管給了云計算公司，省心不必多說。除了彈性計費、穩(wěn)定可靠、安全隔離這些技術上的優(yōu)勢，在部署方式上對那些傳統(tǒng)的大型企業(yè)來說，混合多云是常規(guī)操作。上升到應用層面，開放的API和擴展接口讓正好符合“容器熱”，Kubernetes可以拿來即用，同樣對混合多云有著天然的支持。
結語
由此可見，云數(shù)據(jù)庫或者說云原生數(shù)據(jù)庫，與混合多云的趨勢是相互吻合且同向的，而這正是云計算在2019年發(fā)展成熟的標志之一。
