魅力的なクラウドイノベーション16選

パブリック クラウドについて考えるとき、最初に思い浮かぶのはたいてい財務的なことです。ワークロードをデータ センターからクラウドに移行すると、設備投資 (CapEx) は削減されますが、運用コスト (OpEx) は増加します。これはCFO にとっては魅力的かもしれませんが、開発者、運用、 DevOps担当者にとってはそれほど違いはありません。

クラウド コンピューティングは、従来の方法では実現できない機能を一部の企業に提供します。オンプレミスでの展開に 6 か月かかる作業が、クラウドでは 10 分で完了します。オンプレミス展開では、実行コストを支払う前に 3 つの管理者レベルの署名が必要ですが、クラウドでは 1 つの手順のみが必要です。

それは単に時間と利便性の問題ではありません。クラウドはソフトウェア開発のスピードを速め、企業の市場投入までの時間を大幅に短縮することもできます。クラウドでは、ソフトウェアの品質を高めるために同時に実験を行うこともできます。

さらに、クラウド テクノロジーには、即時のメリットをもたらし、ローカル コンピューティングの問題を解決する真のイノベーションがいくつかあります。この記事では、利用されていて、一般の関心も高い 16 個のクラウド機能について詳しく説明します。

オンデマンドコンピューティングインスタンス

自分のローカル サーバーに新しいデータベースをインストールする必要がありますか?長い行列、数か月、あるいは数年かかることもあります。物理サーバーではなくローカル仮想マシン (VM) の使用が許容され、企業が VMwareまたは同様のテクノロジを使用している場合は、待機時間が大幅に短縮されます。ただし、パブリック クラウド上にサーバー インスタンスを作成する場合は、わずか 15 分で構成し、必要に応じて調整すれば、いつでも実行して使用したりシャットダウンしたりできるようになります。

事前に構築された仮想マシンイメージ

オペレーティング システムを搭載した VM を起動するのは便利ですが、アプリケーションをインストールしてライセンスを取得する必要があります。選択したオペレーティング システムとアプリケーションを実行して仮想マシンを起動できることは非常に貴重です。

サーバーレスサービス

「サーバーレス」とは、専用の VMを実行する必要がなく、通常はイベントに応じて、サービスまたはコードが短期間オンデマンドで実行されることを意味します。サービスがサーバーレスである場合、基盤となるサーバーについて心配する必要はありません。リソースは、クラウド プロバイダーによって管理されるプールから割り当てられます。

現在、すべての主要なパブリック クラウドで利用可能なサーバーレス サービスは、通常、自動スケーリング、組み込みの高可用性、および価値に応じた課金モデルを備えています。特定のパブリック クラウドに縛られないサーバーレス アプリケーションが必要な場合は、 Kubernetesクラスター (クラウド サービスとして利用可能。以下を参照)のみを必要とする、ベンダーに依存しないサーバーレス フレームワーク ( Kubelessなど) を使用できます。

オンデマンドコンテナ

コンテナは、仮想マシンよりもはるかに軽量な、実行可能なソフトウェアのユニットです。コンテナーは、アプリケーション コードとその依存関係 (ライブラリなど) をパッケージ化し、ホストのオペレーティング システム カーネルを共有します。コンテナはDocker EngineまたはKubernetesサービス上で実行できます。コンテナをオンデマンドで実行すると、仮想マシンをオンデマンドで実行するメリットがすべて得られるほか、オーバーヘッドとコストが低くなるというメリットも得られます。

事前に構築されたコンテナイメージ

Dockerコンテナは、 Dockerfile によって指定されたDocker イメージの実行可能インスタンスです。 Dockerfile にはイメージを構築するための指示が含まれており、通常は別のイメージに基づいています。たとえば、 Apache HTTP Server を含むイメージは、 Ubuntuイメージに基づいている可能性があります。定義済みの Dockerfile は Docker レジストリで見つけることができますが、独自の Dockerfile を構築することもできます。 Dockerのローカル インストールまたはコンテナーをサポートする任意のクラウドで Docker イメージを実行することもできます。事前に構築された仮想マシン イメージと同様に、 Dockerfiles を使用すると完全なアプリケーションをすばやく起動できますが、仮想マシン イメージとは異なり、 Dockerfilesはベンダーに依存しません。

Kubernetes コンテナオーケストレーション

Kubernetes (K8s)は、コンテナ化されたアプリケーションの展開、スケーリング、管理を自動化するためのオープンソース システムです。 K8sは Google の社内「Borg」テクノロジーをベースにしています。 K8sクラスターは、コンテナ化されたアプリケーションを実行するノードと呼ばれるワーカーマシンのグループで構成されます。ワーカーノードは、アプリケーションを含むポッドをホストします。コントロール プレーンはワーカー ノードとポッドを管理します。 K8s はどこでも実行でき、無限に拡張できます。すべての主要なパブリッククラウドにはK8sサービスがあります。独自の開発マシンで K8s を実行することもできます。

サーバーを自動的にスケーリングする

ほとんどのパブリック クラウドでは、インスタンスを追加 (または削減) するか、インスタンス サイズを増加 (または減少) することにより、使用状況に基づいて仮想マシンとサービスを自動的にスケールアップ (またはスケールダウン) できます。

惑星データベース

主要なパブリック クラウドと複数のデータベース ベンダーは、データ構造、冗長相互接続、分散コンセンサス アルゴリズムに基づいてクラウド規模の分散データベースを実装しており、最大 59% の信頼性( 99.999% の稼働時間) で効率的に動作できます。クラウド固有の例としては、 ​​Google Cloud Spanner ​​（リレーショナル）、 ​​Azure Cosmos DB ​​（マルチモデル）、 ​​Amazon DynamoDB ​​（キーと値とドキュメント）、 ​​Amazon Aurora ​​（リレーショナル）などがあります。ベンダーの例としては、 CockroachDB (リレーショナル)、 PlanetScale (リレーショナル)、 Fauna (リレーショナル/サーバーレス)、 Neo4j (グラフ)、 MongoDB Atlas (ドキュメント)、 DataStax Astra (ワイドカラム)、 Couchbase Cloud (ドキュメント) などがあります。

ハイブリッドサービス

データセンターに多額の投資をしている企業は通常、既存のアプリケーションやサービスをクラウド サービスに置き換えるのではなく、クラウドに拡張したいと考えています。現在、すべての主要クラウドベンダーは、特定のハイブリッド サービス (データ センターとクラウドの両方にまたがるデータベースなど) の使用や、パブリック クラウドに接続されたオンプレミス サーバーとエッジ クラウド リソース (ハイブリッド クラウドと呼ばれることが多い) の使用など、これを実現する方法を提供しています。

スケーラブルな機械学習のトレーニングと予測

機械学習のトレーニング、特にディープラーニングには通常、数時間から数週間に及ぶ膨大なコンピューティング リソースが必要です。一方、バッチ予測を実行しない限り、機械学習による予測には数秒の計算リソースが必要です。クラウド リソースを使用することは、モデルのトレーニングと予測を完了するための最も便利な方法です。

クラウド GPU、TPU、FPGA

CPU クラスターでは、大規模なモデルと非常に大きなデータセットを使用した正確なトレーニングに必要なディープラーニングに 1 週​​間以上かかることがよくあります。 GPU 、 TPU 、 FPGA はすべてトレーニング時間を大幅に短縮でき、クラウドに置いておくことで必要なときに簡単に利用できるようになります。

事前学習済みAIサービス

言語翻訳、テキスト読み上げ、画像認識など、多くのAI サービスは、事前にトレーニングされたモデルで適切に実行できます。すべての主要なクラウド サービスは、堅牢なモデルに基づく事前トレーニング済みの AI サービスを提供しています。

カスタマイズ可能なAIサービス

場合によっては、事前にトレーニングされたAIサービスがニーズを満たさないことがあります。転移学習では、既存のモデルの上にいくつかのニューラル ネットワーク レイヤーをトレーニングするだけなので、モデルを最初からトレーニングする場合に比べて、比較的迅速にカスタマイズされたサービスを提供できます。同様に、すべての主要なクラウド サービス プロバイダーが転移学習を提供しています。

監視サービス

すべてのクラウドは少なくとも 1 つの監視サービスをサポートしており、クラウド サービスは監視用に簡単に構成できます。監視サービスでは通常、グラフィカルなダッシュボードが表示され、異常なパフォーマンス メトリックを通知するように構成できます。

分散サービス

分散方式で実行することでメリットを得られるサービスはデータベースだけではありません。問題は遅延です。コンピューティング リソースがデータまたは管理対象プロセスから遠く離れている場合、指示や情報の送受信に長い時間がかかります。フィードバック ループの遅延が大きすぎると、ループが簡単に制御不能になる可能性があります。機械学習とデータ間の遅延が大きすぎると、トレーニングの実行に必要な時間が長くなる可能性があります。この問題に対処するために、クラウド サービス プロバイダーは、サービスを顧客のデータ センター (ハイブリッド クラウド) または顧客の工場現場の近く (エッジ コンピューティング) に拡張できる接続デバイスを提供しています。

エッジコンピューティング

分析と機械学習を機械やその他の現実世界のオブジェクトに地理的に近い場所に導入する必要性 (モノのインターネット、IoT) により、 GPU やセンサーを備えたマイクロコンピューティング デバイスなどの特殊なデバイスや、エッジ サーバー、自動化プラットフォーム、コンテンツ配信ネットワークなどのそれらをサポートするアーキテクチャが生まれました。最終的に、これらすべてはクラウドに接続されますが、エッジで分析を実行できると、クラウドに送信されるデータの量が大幅に削減され、レイテンシが短縮されます。

これまでに説明したクラウド イノベーションはいずれも、その使用を正当化できます。これらを総合すると、そのメリットは本当に魅力的です。