什么是公共云？

33 0 0

概述

公共云是一个虚拟资源池，可自动置备并通过自助服务界面在多个客户端间进行分配，其中的虚拟资源来自第三方公司所有和管理的硬件设备。当工作负载出现意外需求波动时，可直接通过公共云进行横向扩展。

如今，公共云通常不会作为独立的基础架构解决方案来部署，而是被作为异构混合环境的一部分部署，这样既可以提高安全性和性能，降低成本，还可以提高基础架构、服务和应用的可用性。

是什么成就了公共云？

资源分配：提供商防火墙以外的租户共享来自提供商基础架构、平台和软件的云服务和虚拟资源。
使用协议：资源按需分配，但并不一定采用即付即用模式。有些客户（比如使用马萨诸塞州开放云的少数研究机构）可免费使用公共云。
管理：提供商至少会维护云服务的基础硬件、为网络提供支持并管理虚拟化软件。

例如，乐天信息通信株式会社（LDCC）通过红帽® OpenStack® 平台构建了一个私有云，以整合内部系统。但因为运行效果很好，LDCC 开始向客户提供完全相同的云基础架构。虽然支撑这两种云的所有技术是相同的，但 LDCC 的客户使用的是公共云，因其用途、资源和管理协议均与构成公共云的要素相同。

公共云、私有云和混合云的对比

公共云由什么公司提供？

任何公司都可以构建公共云，全球有数千个公共云服务。阿里云、Amazon Web Services（AWS）、Google Cloud、IBM Cloud 和 Microsoft Azure 是目前最大同时也最受欢迎的公共云。

公共云服务建立在广泛的数据中心基础架构之上。这些数据中心包含用于向用户和企业提供云服务的物理硬件和服务器。支持公共云服务的数据中心可实现可扩展性和灵活性。它们可根据需求动态分配计算资源，允许用户按需扩展计算能力、数据存储及其他资源。

此外，数据中心还会分布在不同的地理区域。分布式基础架构通过减少延迟来提升性能，还可实现冗余性以及确保在出现硬件故障或其他问题时具备数据恢复能力。用户可以通过互联网访问云资源和应用，由底层的数据中心基础架构处理后台复杂的操作。

公共云的工作原理是什么？

公共云和私有云在建立方式上完全相同。这两种云都会通过一些技术将资源虚拟化到共享池，对所有内容增加一层管理控制，并创建可自动执行的自助服务功能。这些技术整合到一起创建了一个云：如果该云基于专用或受用户管理的系统来获取资源，则为私有云；如果该云向众多用户共享资源，则为公共云。混合云是两个或多个互连的云环境（公共或私有）的组合，多云则是两个或多个公共云解决方案的组合。

为确保云服务正常运行，所有技术不仅需要集成到一起，还需要与任何客户的现有 IT 基础架构集成，这一点也是保证公共云正常运行的因素。但要它们互联互通，离不开所有技术中最容易被忽略的一项：操作系统。创建云所需的虚拟化、管理和自动化软件均部署在操作系统之上。而且，操作系统是否一致、可靠和灵活，直接决定了物理资源、虚拟数据池、管理软件、自动化脚本和客户之间的连接强度。

如果操作系统是开源的，而且专为企业而设计，则您的基础架构不仅为公共云打下了稳健可靠的基础，而且还十分灵活，能够轻松扩展。正因如此，前 10 个公共云中就有 9 个在 Linux 上运行，而且红帽企业 Linux 是公共云（例如 Microsoft Azure、Amazon Web Services、Google Cloud 和 IBM Cloud）中最常部署的商用 Linux 订阅。

如何使用公共云？

公共云可能是所有云部署中最简单的一种：客户在需要更多资源、平台或服务时只需按小时或字节向公共云服务提供商付费，即可在需要时访问所需内容。基础架构、原始处理能力、存储空间或基于云的应用将在供应商所有的硬件中被虚拟化，然后池化到数据湖中，由管理和自动化软件进行编排，并通过互联网或专用网络连接传输至客户端。

云计算要靠精心设计的基础架构开发才能实现，这与水、电、燃气的传输要靠数年的基础架构部署才能实现有些相似。云计算通过网络连接为人所用，就像公共设施通过地下管道网络供人使用一样。

户主和租户无需占有将从自家水管流出的水，无需监督为其电器供电的发电厂的运作，也无需操心如何采集为其住宅供暖的燃气。这些户主和租户只需要签订协议、使用资源并按照某段时间内的使用量支付相应费用即可。

公共云计算是一种与之相似的经济实惠的公共服务。客户不必拥有所用数据的数千兆存储空间，不用管理硬件所在的服务器中心的运行情况，也不用决定基于云的平台、应用或服务所要采用的防护措施或维护方式。公共云用户只需要签订协议、使用资源并按照使用量支付相应费用即可。

云中的机器学习

机器学习应用的数量逐渐增多，公共云计算服务的用量也随之增加。机器学习（ML）可与公共云无缝协作，以充分利用云服务提供商所提供的可扩展性、灵活性和资源。ML 应用可在以下方面从公共云架构中受益：

机器学习算法需要利用大量的数据来进行训练。同样，ML 模型，尤其是深度学习模型，通常需要大量的计算能力来进行训练。公共云服务提供的数据存储解决方案和计算资源可扩展以容纳这些数据集。
公共云环境的设计支持根据需求扩大或缩小资源规模，还可根据资源用量调整定价。ML 工作负载可从这种可扩展性中受益，企业能够在高强度的训练阶段分配更多资源，并在需求量减少时进行缩减，从而优化费用。
机器学习应用通常需要与数据库、消息队列或分析服务等其他云服务集成。可将公共云平台提供的各种服务无缝集成到 ML 工作流，从而提升整体功能。