另一方面，很多企業通過采用全球四大云計算供應商(亞馬遜，微軟，谷歌和IBM)所提供的云計算服務，將大大降低成本上的風險，因為這些行業巨頭的價格戰也正在不斷地進行。除了云計算成本之外，更為關鍵的是那些能推動當前和未來項目走向成功的深層次的無形資產。不幸的是，這些無形資產適用于目標的方式有所不同，往往需要合理審查才能推斷出來。

 

 

比較來自每個公共云供應商的服務矩陣將是一種艱難的歷程，因此，需要進行一些前期設計，以確保基礎構建塊能夠支持應用。但嚴酷的現實是，未來的一些實驗性設計對未來避免重大的工作努力是必要的。例如，每個云計算供應商專門在某些領域進行區分，因此，如果一些項目具有一些獨特的特征，那么將會依賴固有的供應商優勢，這將會加快項目進度。

 

最近的一個例子是Kubernetes，這是亞馬遜網絡服務公司(AWS)日前推出的托管服務。而谷歌云平臺(GCP)多年來一直提供托管Kubernetes服務。這些服務和產品變化很快，很難保持最新狀態，而問題在于組織是否有時間或具備專業知識來應用。但最重要的是細節，看起來類似的產品在讀/寫性能或流數據等方面可能會有很大差異。

 

以下是當前差異性的一個例子：

 

•跨服務和地區的安全性

 

•讀取和寫入時間序列數據，大量字符串數據等持久性。

 

•索引特殊數據類型以便快速檢索

 

•從外部系統接收/傳出數據

 

•關鍵服務的自動調整(向上和向下)

 

 

如果只是因為開發和運營團隊可以在幾個計算節點上創建高性能集群，那么這并不意味著擴展這些集群中的一個或多個集群將會取得成功。事實上，為這些自我管理的服務構建開發、登臺和最終生產環境對于很多企業來說是一場噩夢，除了那些擁有無限預算的公司以外。顯然，使用更多供應商管理服務的能力與項目整體壽命成正比，尋找供應商和自我管理服務更好的方法還需要一些研究和努力。

 

需要考慮的另一個關鍵因素是，供應商或市場是否存在足夠的中小企業以確保連續性。軟件開發人員往往低估了大規模自我管理多節點集群所需的專業知識，其運營團隊會驚訝地發現，在第一次重大中斷期間，開發人員會感到手足無措。隨著許多新技術的出現，無論它們是作為云服務還是自管理，人才庫都非常有限，而企業所擁有的內部專業知識只能通過自學和反復試驗才能實現。一些企業通過尋求他人幫助來解決這個問題，但云計算供應商并不一定能夠很好地解決這些問題。對于預算較大的項目來說，這是一個很好的選擇。但隨著外部服務的增加，供應商鎖定并獲利變得更為重要。

 

 

人工智能需要獲得企業的特別關注，因為它通常不是計劃用于最小可行性產品(MVP)的東西，特別是對于新產品而言。然而，人工智能作為企業發展路線圖上的下一個項目不容忽視。如今，很多IT主管都需要制定人工智能策略，但目前實現人工智能的企業大多是規模龐大的公司，而人工智能作為數字轉型的一部分將在五年內成為一種籌碼。人工智能的獨特之處在于它依賴于機器學習來提供有用的價值。換句話說，這不是一個微不足道的附加服務，事實上，機器學習需要組件服務協同工作，因為大量信息在服務之間流動。每個組件服務必須具有自動調節和彼此之間的密切聯系。否則，工程團隊將花費寶貴的資源進行連接和管理。以下是幫助選擇的一個樣本調查問卷：

 

•人工智能和機器學習是一階項目還是附加項目?

 

•機器學習組件服務是否與其周邊服務一起自動調整?

 

•機器學習組件服務是否很容易交換數據?

 

•人工智能服務是否與企業項目的預期需求保持一致?

 

此外，還將提出更多的問題。

 

如今，為下一個大型風險投資選擇云計算供應商的過程剛剛開始，企業挑選公共云的無形資產仍需更多的努力。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。