伴随着AI的逐步成熟，其相关应用也随之落地，各大云厂商纷纷搭乘AI班车推出平台AI服务，以近乎免费的价格吸引企业用户。但在笔者看来，厂商提供的平台AI算法基础，功能通用，用户需要的平台AI功能专用，算法需定制化。因此，企业若想使用云平台AI，必须自身进行二次开发。

云平台AI近乎免费

从深蓝、AlphoGo，到今天的语音识别、计算机视觉，随着深度学习算法的不断发展，AI应用也逐步落地。目前AI已可实现图像识别、语音及文字识别等功能，被应用于教育、医疗、交通和安防等众多领域。

图片来自recode

数据表明，2020年全球AI市场规模将达到1190亿元，国内市场将达到91亿元，各商家自然不想放过这一香饽饽，云服务厂商同样想分得一杯羹，遂纷纷推出云平台AI服务。

以腾讯云为例，其云平台AI可提供文字识别、人脸识别、语音识别及智能鉴黄等服务，并提供免费接入，每月可免费调用10000次等优惠措施。阿里云、京东云和华为云等云厂商也同样提供类似AI服务。各云厂商虽在云AI产品类型和调用次数上有所不同，但在AI服务上均免费或极少收费。

云平台AI供需不一致

对企业用户来说，云厂商提供的AI服务可降低业务风险，同时减少重复性工作，节约人力成本，当前近乎免费的AI服务更使得企业毫无拒绝之力。企业确实可以使用云平台AI，但若想真正用于业务，恐怕尚有难度。

AI是由算法、算力、数据组成的，云只是算力平台，并没有行业算法，也不存在行业参数。

图片来自nicitpartner

一方面，云厂商提供的AI服务是广泛适用于各行业领域的，其AI功能通用并且简单，例如，利用AI将语音翻译成文字，云平台AI可能仅限于将语音"你好、吃饭了吗"翻译成汉字"你好、吃饭了吗"等简单用语，而对于各行业的专用名词，尤其是外国语言翻译成汉字时，云平台提供的AI服务可能就有心无力了。

另一方面，企业使用AI自然是为了发展业务，不可避免要进行专业并且深层次的应用，云平台提供的通用型AI功能显然不能满足需求。企业所需的AI专业运用和云平台提供的通用AI服务不一致。而解决供需不一致的唯一方法便是企业在云平台提供的AI基础上，根据自身需求，针对性开发。

二次开发需要双栖人才

厂商提供的云AI服务和用户需求不一致，致使云AI必须进行二次开发，而云AI的二次开发，则需要的是精通厂商云AI服务和用户需求的双栖人才。

该人才既需要懂得根据用户的不同英语，从厂商云平台接入不同的接口，又要懂得从厂商接入云AI后，根据用户的实际需求，进行定制化开发。所以市场的不断变化，要求用户一直需要AI开发人员升级应用，而该类型人才的学习资源平台存在于开源社区。

私有云AI算力天生不足

谈起云平台AI，自然离不开私有云、混合云的AI。相比公有云AI，私有云AI算力天生不足，也没有公有云的大规模数据，这使得私有云AI输在云平台AI服务的起跑线上。同时，各大公有云厂商又推出近乎免费的AI服务，此番服务令私有云继输在起跑线后，又失去升级到AI的成本优势。但混合云则不同，对混合云用户来说，又能否将公有云的算力和数据以及AI服务的优惠政策，引入到私有云当中呢？

结语

云厂商近乎免费的AI服务对用户无疑是件好事，但企业绝不要以为云AI拿来就能用，云厂商提供的仅仅是食材，要想烹饪出美味，看得还是各位用户喜欢的口味和厨艺。

哈喽，今天我来给大家分享几个IT计算机免费学习的平台。

1、51CTO，专注于综合IT领域的在线教育平台，需要注册。这个平台里面有很多针对于云计算、前段后台开发的话有很多免费的教程可以供大家学习，而且分类都很详细。

2、自学网可能很多人都知道，如果想学习电脑技术、技巧、网页开发、PSAE这类软件的话就可以在这里去学习。它分类也特别的详细，我之前学PS的时候就是从这个网站来学习的，它可能就是前一分部课程是免费的，后面一部分课程是收费的，当然它的收费也不是很贵。

3、这个它主要针对于移动应用开发平台，像APP的开发，移动云平台，主要针对移动端的开发项目。

4、翼狐网主要提供主流应用软件的教学以及插件工具的下载。

5、慕课网，它主要是IT技能学习平台，像移动端开发，可以在线编程。

6、掘金，它是提供高质量的技术分享社区，在这里可以找到最新、最前沿的思路和一些好的技能技巧。也可以在这里进行一个同行之间的探讨。

今天就分享这么多，想了解IT网络科技关注更多微信关注易企传。

机器之心发布，机器之心编辑部。

2018 年 7 月 4 日-5 日，百度在国家会议中心举办第二届 AI 开发者大会。在今年的开发者大会上，百度发布了 PaddlePaddle3.0，既升级了核心框架，又提供了 EasyDL 快速应用平台、AutoDL 网络结构自动化设计，以及 AI Studio 在线实训平台。本文从功能简介，实战建模及 AI 能力应用等角度介绍了 AI Studio。

AI Studio 是百度推出的一站式开发平台：一个囊括了 AI 教程、代码环境、算法算力、数据集，并提供免费的在线云计算的一体化编程环境。用户不必纠结于复杂的环境配置和繁琐的扩展包搜寻，只要打开浏览器输入 aistudio.baidu，就可以在 AI Studio 开展深度学习项之旅。

据介绍，运用 AI Studio 开发者可以实现自定义的 AI 建模能力而无需考虑硬件成本、运维成本、人力成本。相比于在其他云平台上花钱买计算资源和存储空间跑模型来说，AI Studio 提供全套免费服务（计算资源免费，空间资源免费，项目托管免费，视频教程也免费）。

1.功能简介

第一次进入主页，首先的感觉是这是个类似 Kaggle 的数据竞赛平台，但是仔细看来，AI Studio 强化了工程项目的概念，一大亮点就是 AI 学习项目这个版块，里面包括大量真实场景的工程项目（图像识别，情感分析，个性化推荐等）；另一个重要组成就是比赛了，众所周知构建良性循环的产、学、研社区是行业发展的重要组成部分，不过目前 AI Studio 组织的比赛还刚起步，希望后续比赛多多，大家在这里都能学到知识，交到朋友，最重要的是，可以在学习的同时给自己赚点零用钱花花。

Figure 1 AI Studio 特性

AI Studio 主要功能有项目类的项目大厅，创建项目，样例项目，共享项目等四大部分，有数据科学比赛，有各种经典数据集和自定义数据集，有详尽的机器学习和深度学习的教程及视频公开课等。下面就简单的来介绍一下：

Figure 2 AI Studio 主要功能

1.1. 菜单栏

1.1.1.项目大厅

作为 AI Studio 的主页，集成百度积累的经典 AI 学习项目，自我的项目管理及共享项目列表。整个平台都是以项目为核心的，也凸显了 AI Studio 的定位，就是以技术及资源输出帮助个人开发者，中小企业快速拥有 AI 能力以更好的服务自身业务。

1.1.2.数据集

数据集包括一些经典的公开数据集, 像 MNIST，IMDB，CIFAR10，Penn Treebank，MovieLens 等；也包括一些开放的百度数据（中文短文本语料，信息抽取数据）。不过相比 Kaggle 近万份数据集来说，仍然有很大的发展空间，但是个人感觉 AI Studio 的数据集还是要比 Tianchi 的数据集规整很多的。当然，用户也可以上传自定义数据进行模型开发。

1.1.3.比赛

这个模块应该是所有玩数据的人最感兴趣的了吧。我之前在 Kaggle 参加过一些项目，总的来说，Kaggle 在比赛这块做的真的很好，赛制清晰，社区完善，每次参加比赛都能有很大的提高。相较 Kaggle，AI Studio 的比赛数量还不多，不过以上提到的功能都有，另外就是 AI Studio 提供云端训练平台，这样大家的武器库相对平衡，能够更公平的进行竞赛。

Figure 3 AI Studio 比赛页面

1.2. 创建项目

AI Studio 以项目为单元进行开发。创建项目，添加数据集，运行开发环境（notebook kernel），就可以开始构建自己的模型进行开发生产了。目前，环境仅支持 Python2.7（期待更多的环境，Python3，R 等），算法框架包括 PaddlePaddle 和 sklearn 等。

Figure 4 AI Studio 创建项目页面

1.3. 教程&资讯

关于教程，PaddlePaddle 关于机器学习的教程应该是中文里最好的教程之一，不仅有机器学习、深度学习的视频公开课和教程文档（获取），而且包含了大量的各个方向的深度学习实例，比如图像分类，词向量，个性化推荐，情感分析，语义角色标注以及机器翻译等，不仅从原理层面进行深入浅出的讲解，更提供模型代码逐行进行实操，可以说为 Everyone can AI 提供了强大的后盾。

1.3.1.样例工程

样例工程即是提供的机器学习经典应用场景及历届比赛的 notebook，我们可以把各个项目 fork 到自己的项目下进行开发学习。对于急于构建 AI 能力的中小企业，这个模块是最大福音了，很久之前看过 Tensorflow 的文档，只有几个典型问题的教程及代码，而这里包括了大量的基于不同场景的 AI 模型可供拿来即用。

1.3.2.共享项目

顾名思义，AI Studio 也提供项目共享功能供大家互相学习。在开源的时代，能够培育成熟活跃的社区是平台发展的必要因素，这也是 Tensorflow 能够在深度学习领域中快速推广的重要原因。

1.3.3.我的项目

这里是开发者自己的项目列表，不再赘述。

2.实战建模

AI Studio 以项目为核心，创建项目的同时可以自定义上传数据，也可以选取平台已有数据集；目前，环境仅支持 Python2.7，算法库包括 sklearn 和 PaddlePaddle。不需要费心在开发环境上，能够安心构造模型，将建模工程云服务化应该是未来趋势（能够方便中小企业快速构建 AI 能力）。在 AI Studio 各项目之间是独立分配资源的，可以同时调试多个项目模型，这点还是非常赞的。

我这里创建了两个共享项目，查看代码直接 fork 项目开箱即用（需百度账号登录：Titanic 项目，个性化推荐项目），代码详见附录及共享项目。第一个项目是最最基础的数据科学的入门问题 titanic 预测是否生还（自主上传数据，调用 sklearn 随机森林模型）；第二，利用已有数据（MovieLens）及 PaddlePaddle 构建个性化推荐模型。一个小问题就是创建项目后进入项目页面，进入运行状态还需要点击运行项目，这里感觉有点冗余；运行的项目就是一个简洁的 notebook 开发环境，该有的功能都有，个人感觉速度比 Kaggle 要好很多（不知是不是我的网速渣）。

Figure 5 AI Studio 项目界面

开发环境主体是由 notebook 形式组成，熟悉 jupyter 的同学可以无缝衔接，比 notebook 好的一点就是项目的数据集都会形成列表，简单一键获取数据路径。菜单栏更简洁，基本功能都有，可以保存 notebook，有个有意思的地方是在创建项目的时候环境只能选 Python2.7，但这里 kernel 选择会出现 Python3。

Figure 6 AI Studio 开发页面

3.群雄逐鹿

作为一站式 AI 建模开发平台 AI Studio，如何在强手如云的 AI 开发平台市场杀出一条血路呢？最重要的途径就是完善比赛社区的理念，通过 PaddlePaddle+AI Studio 的方式抢占数据科学竞赛这个领域，这里就简要比较一下几家数据竞赛平台（AI Studio、Kaggle、天池、DataCastle 等）。以下将从对开发者的能力提升，平台比赛的公平性和比赛收获等三个方面阐述。

3.1. 能力提升

可以说参加数据建模比赛是最好的提升自身能力的方式了，在比赛中，不但能够了解各行各业的业务形式，数据结构，也能真实的验证我们对特征和算法的不同理解，而良好的社区环境和代码共享机制为自身能力的提升提供了温床。在这方面，Kaggle 因为成立最早有很强的人才和代码沉淀，投靠 Google 后，更是愈发的体现了其中的优势。天池和 DataCastle 在社区建设上也投入了大量的精力，但是与 Kaggle 还是有较大的差距，不过在中文社区中应该算是佼佼者。AI Studio 显然有后来者的劣势，不过看过他们的样例项目，还是很佩服他们在教程和文档方面的思考，可以说在 AI 中文教程里 AI Studio 大踏步的跨入了第一梯队。

3.2. 比赛的公平性

这里的公平性体现在两个方面，第一是赛题的数据量要有一定的规模以防止数据量过小导致的模型稳定性问题；第二则是计算资源的公平性，举个栗子，假如阿里组队以 P100 GPU 集群的算力来参赛的话，恐怕其他人的胜算只能寄托于奇迹了，而对于 ImageNet 那样量级的数据，我们只有 PC 机的话恐怕连一次迭代也完成不了，更不要说模型调优了。

在这方面，AI Studio 具有极大的优势，平台不仅免费对参赛选手给予计算资源上的支持，更是提供最新版本的 PaddlePaddle 供选手调用。而天池在初赛阶段是没有集群算力支持的，只有进入复赛的选手才会有机会使用数加平台。Kaggle 和 DataCastle 更是没有平台的支持。相比来说在比赛资源的公平性上 AI Studio 的优势巨大。

3.3. 比赛收获

这里的收获是只除了能力以外的物质方面的获得，比如现金奖励和简历背书。这两点对于初入职场的新人还是非常重要的。客观来讲，国际影响力的话 Kaggle 绝对是 No.1，致力于进入 Google、facebook 的同学最好还是在 Kaggle 上挑选优质的比赛；针对国内的话，AI Studio、天池和 DataCastle 在奖金方面相差不大，由于 AI Studi 推出最晚，所以奖金相对来说高一些。

综合来看，AI Studio 作为数据科学竞赛中的新人，背靠百度资源，凭借更加公平的平台资源输出，奖励制度和完善的教程文档体系将会在未来大规模的抢占数据竞赛市场。对开发者来说，免费使用 GPU 资源，更简单的开发流程已经是很大的诱惑了。

4. 总结

AI Studio 是一个基于 PaddlePaddle 的集成了大量数据集、经典样例项目及比赛项目的云计算建模平台，也是一个机器学习、深度学习的交流社区。AI Studio 最大限度的解放了数据科学家需要环境配置的烦恼，在云端集成计算资源，项目管理，代码管理，比赛等多种功能，形成一站式兼顾学习和工作的建模平台。而且 AI Studio 提供计算资源，空间资源，视频公开课都是免费的。最后，期待一下的更多比赛的推出。

随着近年来物联网的发展，云计算将加速资源整合和优化，根据不同的需求，在资源池中得到相应的资源支持，以此来节约成本，提高资源的利用率，助推社会结构调整，实现科学化发展，这是一种趋势。如同这社会的主体，为信息化发展提供源源不断的动力。

对此有网友表示称，云计算，是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其他设备。 具体实现的方式有IaaS(Infrastructure-as-a- Service)：基础设施即服务。消费者通过Internet可以从完善的计算机基础设施获得服务。换成我们通常理解的内容来讲就是我们不用购置硬件（服务器、存储等），不用去考虑如何把服务器连上网，只需要我们购买IaaS服务就可以使用这些硬件的服务。

PaaS(Platform-as-a- Service)：平台即服务。PaaS实际上是指将软件研发的平台作为一种服务，以SaaS的模式提交给用户。这里的平台换成我们理解的就是应用程序运行所需要的环境，如果我们部署PHP开发程序就需要有Apache等引擎支持。用Java的需要Tomcat等支持。SaaS(Software-as-a- Service)：软件即服务。

它是一种通过Internet提供软件的模式，用户无需购买软件，而是向提供商租用基于Web的软件，来管理企业经营活动。这里的软件即服务，举例子说我们用的QQ 邮箱

其实就是一种SaaS服务。企业市场常用的在线CRM系统也是。

IaaS其实提供的就是服务器，用户可以自行在服务器安装配置各种软件环境。可以很灵活的实现各种功能。PaaS目前主要是WEB环境的应用，通常支持PHP、Java、Python和GO语言。必须在云计算服务商的框架内开发。

目录：Floyd介绍：一个极其易用的深度学习云计算平台Get started：Floyd的注册、下载、登陆关于数据集实验: 使用Floyd训练一个基于Jupyter Notebook的项目Floyd常用命令速查表

Floyd介绍：一个便捷的深度学习云计算平台

Floyd的网址是：https://floydhub/它是一个云计算服务平台，号称“Zero Setup for Deep Learning”。它的服务主旨是： “您就专心于您的深度学习研究，其它的环境配置、部署、版本控制等等都交给我们来做就行了”。

从主页上我们就能看到Floyd的服务主旨。

Floyd使用亚马逊云计算的硬件资源，然而价格更便宜，新注册用户可以享受100小时的免费GPU使用时间。

我简单体验了下Floyd，感觉它最突出的特点有两个：

不用部署深度学习环境了！Floyd为用户提供了主流框架各个版本的环境。所有可用的环境：http://docs.floydhub/home/environments/不用上传数据集了！Floyd在云端为用户提供了现成的主流深度学习数据集，且用户上传的个人数据集可以共享使用。常用公共数据集：http://docs.floydhub/guides/datasets/

这两个特点可以说是解决了大多数机器学习研究者的烦恼。原来单单配置一个Caffe环境就好好长时间，更别提上传数据集了。我有一个做机器翻译的朋友，训练数据集多达160G，光是上传那么多的训练数据得花多少服务器时间，时间就是白花花的银子呀！现在使用Floyd只需要在启动计算环境的时候设置公用数据集的ID，就可以直接使用啦！

Get started：Floyd的注册、下载、登陆

1、注册

首先到https://floydhub/注册一个账号

2、安装客户端

再安装folyd客户端，就一句命令而已：

$ pip install -U floyd-cli

3、登陆

安装好后我们需要登陆，在终端中运行命令：

$ floyd login

终端中会提示：

Authentication token page will now open in your browser. Continue? [Y/n]:

回车确认后，会打开一个网页以获取身份验证令牌：

在网页的下方，你可以找到登陆用的口令，把这个口令粘贴进终端即可，注意在这里粘贴是不会显示出来的。

This is an invisible field. Paste token and press ENTER:

登陆成功后，会提示：

Login Successful

4、计算实例机制

这时候你发现没有？登陆成功后，并不是像SSH登陆那样进入到了一个新的Shell，终端还是你的终端，目录还是你的目录。

这就是Floyd的特点了，它并不像亚马逊AWS那样给你一个云主机就让你自己折腾去，而是很简洁的为你提供“计算实例服务”。

即在你login以后，怎么折腾数据集什么的都不算云服务时间，直到你通过“floyd run"命令运行自己的程序文件的时候，才算是一个计算实例的开始。

那一个计算实例什么时候结束嘞？

当你“run“的程序跑完了，计算实例的状态会变为”success“，这时候一个实例就算结束了。

如果”run“的是不会跑完的程序，比如”Jupyter Notebook“文档，那么你可以在需要的时候运行：

$ floyd stop

来手动结束一个计算实例。

计算实例结束后，自动停止计算云服务器时间。

关于数据集

在运行Floyd计算实例时，可以指定计算所需的数据集，这个我们会在下面的实验中讲到。

你可以直接使用Floyd提供的常用的数据集，也可以上传自己的数据集。

上传数据集操作非常简单，你可以参考官方提供的指导，只需要几条命令就可以搞定，非常方便。

http://docs.floydhub/home/using_datasets/

同时Floyd也支持直接在云服务器上下载数据集，不过这个是要计算云服务时间的。

不管是公共数据集，还是自己的数据集，都是通过数据ID来指定的。

你可以通过以下方式查看公共数据集的内容：

$ floyd run --data GY3QRFFUA8KpbnqvroTPPW "ls -la /input"

Syncing code ...

...

$ floyd logs -t GY3QRFFUA8KpbnqvroTPPW

...

2017-02-16 03:41:15,863 INFO - -rw-r--r-- 1 root root 4151 Feb 16 11:38 positive_sentences.txt

2017-02-16 03:41:15,863 INFO - -rw-r--r-- 1 root root 4621 Feb 16 11:38 negative_sentences.txt

2017-02-16 03:41:15,863 INFO - -rw-r--r-- 1 root root 7797 Feb 16 11:38 neutral_sentences.txt

...

实验: 使用Floyd训练一个基于Jupyter Notebook的项目

我将使用Floyd提供的一个基于Jupyter Notebook的小项目来演示使用方法。你可以在这里找到官方的指导：

http://docs.floydhub/guides/jupyter/

1、Clone 项目代码到本地

$ git clone https://github/floydhub/tensorflow-notebooks-examples.git

2、进入项目目录

$ cd tensorflow-notebooks-examples/3_NeuralNetworks

3、初始化项目

$ floyd init neural-networks

Project "neural-networs" initialized in current directory

初始化后，Floyd会在本目录里生成一些临时文件，以便运行计算实例时，上传目录中必要的程序文件到云服务器。

4、启动一个Jupyter Notebook实例

以下命令将启动一个基于当前目录的，运行在云端的Jupyter Notebook计算实例。

$ floyd run --mode jupyter --env tensorflow-0.12:py2 --data R5KrjnANiKVhLWAkpXhNBe --gpu

其中：

--gpu 代表使用GPU计算

--env tensorflow-0.12:py2

代表使用Python2.0版本的Tensorflow0.12

--data 代表我们使用这个ID所代表的数据

注意数据包含的所有文件都会挂载在云服务器的“/input“文件夹下

所以在程序中需要指定数据的根目录为“/input”

命令运行后，终端中会有类似于以下的提示：

通过给出的“Path to jupyter notebook”，就可以访问刚刚启动的Jupyter Notebook实例了。

注意上面的“RUN ID”，这个很重要，我们以后对这个运行实例进行的各种操作，都需要通过这个ID来完成。

5、操作并保存

你可以像在本地一样在Jupyter Notebook里进行操作和计算。请记得一定要保存操作后的Jupyter Notebook。

我们操作的Jupyter Notebook都在云服务器上，那要怎么将修改后的Jupyter Notebook保存到本地哪？

Jupyter Notebook是在实例结束后，以output的形式保存下来的，我们稍后说明如何导出修改后的Jupyte Notebook。

6、停止Jupyter Notebook实例

当你使用Jupyter Notebook工作完毕后，记得要关闭云服务器计算实例。

$ floyd stop

可以通过下面的命令确认实例关闭情况：

$ floyd status

7、通过output导出Jupyter Notebook

计算实例的输出一般都会定位在云服务器的“/output”文件夹下，所以你在程序中，需要将所有的输出数据的根目录定位在“/output”。

我在上面说到Jupyter Notebook文档本身也是通过output来导出的，你可以通过下面的命令来执行：

$ floyd output

命令执行后会打开浏览器，自动进入到云服务器的数据目录，你只要选择需要下载的文件即可。

Floyd常用命令速查表

登陆: floyd login

初始化目录： floyd init

查看数据集：floyd data output

运行实例: floyd run --gpu

查看实例日志： floyd logs

查看所有实例： floyd status

手动停止实例： floyd stop

查看实例运行结果信息： floyd info

查看输出数据: floyd data output

查看输出数据： floyd output

所有命令，请参考：

http://docs.floydhub/commands/

所有环境，请参考：

http://docs.floydhub/home/environments/

常用公共数据集，请参考：

http://docs.floydhub/guides/datasets/

上传和下载数据集的官方指导，请参考：

http://docs.floydhub/home/using_datasets/

下期预告：

有很多深度学习的项目并不是在Jupyter Notebook中编写的，对于这些项目我们通常直接运行Python文件。那么怎么在Floyd中直接运行Python文件？如何验证训练完成的深度学习模型？下期我们将继续为大家介绍Floyd的使用方法，敬请大家关注！

作者：奔跑吧，琪哥

中国科技的心脏（芯片）还未康复，血液（云计算）的伤疤又被突然揭开！

一

今天，当你为手机支付的便利、刷脸购物的高效、无人驾驶的神秘而欢呼时。你是否想过，到底是谁支撑着这一切？云计算，我们当下享受的几乎所有的科技便利，背后都是它一秒数亿次，甚至十亿、百亿次的超级大规模计算。

当下几乎所有大型互联网企业，都有着不同规模的云计算平台。它们各自撑起了一片天空，造福着云下的我们。但令人细思极恐的是，有一类是自主研发、自主可控的云。而有一类却是在美国OpenStack上搭建的拿来主义云。

二

何为OpenStack？由美国航天航空总局NASA与美国云计算中心Rackspace，联合研发发起的开源的免费云计算操作系统！

就像手机系统安卓一样，美国向全世界开放，拿过来直接用，省钱省力。OpenStack也一样，向所有人开放，吸引了不少中国企业直接在上面部署、搭建、拼凑，节约了大量的时间和人力。

手机系统先不说，云计算是未来整个社会的操作系统。若不悬崖勒马，相当于美国又给我们埋下一颗定时的“科技核弹”！

三

但令人真正惶恐的，不是OpenStack，而是在“拿来主义”上越走越远的中国企业。就在刚刚过去的周末，某中国大型硬件厂商向所有人宣布：坚定支持OpenStack，甚至还要all in！

没错，今天很多中国企业已经在美国建设好的这块地基上修建了高楼大厦，也确实这幢楼的创意、装修都是自己做的。但要清楚，这幢大楼周围环境复杂，没有统一的安全管理保安，甚至来的每一个人（数据）都要经过一楼的地基。

更要清楚，这幢看上去华丽的高楼是没有产权的！也正是这华丽的装修，忽悠了领导、忽悠了公众，甚至蒙蔽了自己。

四

好在是中国有这样一朵云，从一开始就自主研发，从第一行代码就是中国人自己写，今天已杀入世界前三！09年，全世界对云计算都没有清晰认识。马云就成立阿里云，让飞天系统走上自主可控、真正中国国产的道路。

除了成就了让世界惊叹的双11、双12、移动支付外。马云还用飞天系统给中国越来越多的城市装上智慧大脑。红绿灯变得智能了、道路拥堵缓解了、办事只用跑一次了、去医院不用排队了、过年买车票也不卡了……

正是这些锤炼与实战，让全世界200多个国家地区的企业和政府也开始拥抱它，成为了一支真正走出国门的中国自主技术力量！

五

感时花溅泪，恨别鸟惊心。今天，为阿里坚持自主研发的汗水与时间而欢呼，也为在“拿来主义”上越走越远的中国企业而流泪。

芯片脖子上的那道血痕，永远警示着每一个华夏儿女：不自主研发，就会受制于人，就永无安宁之日。云计算比芯片更重要，它是中国未来社会的水电煤，特别是在今天这个政府积极拥抱云计算大数据的时代。

科技崇尚开源，但决不能依赖。安卓要用，但我们必须有自己的系统。OpenStack要用，但我们必须有自己的云。希望每个企业都能励精图治，永远铭记受制于人的蚀骨之痛！

云计算最近的热闹不少。

8月5日，一家创业公司“前沿数控”发文，称其在腾讯云上数据全部丢失。之后腾讯云对此回应称，该事故是因所在物理硬盘固件版本bug导致的静默错误且运维人员存在不规范操作所导致，并表示了道歉与赔偿。

至此，在一年多的时间里，微软、AWS、阿里云、腾讯云等主要云计算服务商相继出现问题，这也让外界产生疑惑：云计算怎么了？

近些年，企业上云已成趋势，而云一旦出问题，很可能影响颇大；然而就像天底下没有不生病的人一样，云计算也自然也不可能百分之百完全不出问题。这次的腾讯云事件，刚好可以用来聊聊这个话题，让我们透视云计算平台与企业如何应对可能存在的问题。

没有绝对不出问题的云计算

但我们或许可以借此讨论这样一个问题：云计算平台不出错的理想情况，到底是否可能？

答案当然是否定的，任何云计算平台都有发生事故的可能。云计算本身是一种本地存储与运算的替代方案，所以本地计算可能出现的软硬件问题，也将映射到云计算体系中。

当然，随着云计算技术的不断进步以及产业服务能力增强，今天我们看到云计算应对风险的技术解决能力、容灾能力、应急冗余能力都在提高。

但同时也应该看到，云计算的另一面，是体系复杂化、碎片化的业务需求，更加复杂的云计算应用体系以及云计算+AI、云计算+IoT等新业务种类，导致出现风险的场景更多。比如去年英国一个移动应用企业发生了数据崩溃，原因在于企业员工违规收取了邮件，最终导致云存储数据被大规模劫持。

不过从另外一个角度来看，云厂商提供给用户的真正有价值的服务并不是一个一定不会出问题的服务，而是让企业可以低成本快速的搭建一个服务冗余、一定容灾的架构的能力。从腾讯云的案例中我们可以看到，云计算的问题可能很复杂，而平台的处理能力是解决问题的第一方案。

出现了问题，云计算平台如何应对？

让我们回顾一下腾讯云这次事件中，数据丢失到底因何发生：

根据腾讯云方面的技术复盘，该故障缘起于因磁盘静默错误导致的单副本数据错误，再加上数据迁移过程中的两次不规范的操作，导致云盘的三副本安全机制失效，并最终导致客户数据完整性受损。具体原因是，是因为运维人员在收到仓库空间使用率过高警告后，准备发起搬迁扩容。在搬迁国产中，为了加快速度，手动关闭了迁移过程中的数据校验。而在搬迁完成后，运维人员将出事故云盘访问切至新仓库，同时为了释放空间，对原仓库中的源数据发起了回收操作，之后发现部分云盘出现IO异常。

本次事故起源自因磁盘静默错误导致的单副本数据错误，再由于数据迁移过程中的不规范操作，导致异常数据扩散至三副本，进而导致客户数据完整性受损。

腾讯云已经正式道歉，并从技术角度坦诚了相关问题的存在。

由于云计算事故的问题，往往来自复合型问题、细节问题。而往往平台讳莫如深，甚至想要撇清责任，是导致事件复杂化的直接原因。而腾讯云此次的坦诚方案，在业界还是收获了一定的肯定

而通过腾讯云的事件，我们可以看到真正能够有效降低云计算故障的方法，是在出事前进行干预。比如说：

1、搭建应急预案，不断更新容灾技术与容灾机制，可以在出现问题时快速、低成本搭建应急架构。这是云计算平台应对可能事故的核心，而容灾机制与技术的双重保障，也是云服务品牌的核心竞争力。

2、规范化管理流程，尤其涉及数据问题时的人工操作流量。腾讯云事件中可以看出，人为不规范操作是造成很多重大损失的起因。而严格的流程化和去人工可能是较好的解决方案。

保障数据，企业用户也需配合

云计算平台自然也不是万能的。对于用户来说，选择合理的服务体系、积极做好兀余和备份工作，是进一步降低风险的举措。

另一方面，云计算服务中还有一项功能，叫做云盘快照。也就是企业可以定期来复制备份自己的数据，作为应对可能性事故的备案。而恰好腾讯云还是少数定期提供免费快照功能的云平台，为避免企业数据丢失，还是应该积极使用类似备份功能，保证自身数据的安全存放。

同时，对于核心数据来说，本地存放与云存储兼顾，是公认的更良性策略。

目前，出于市场业务细分化的需要，所有云计算平台都在提供更细节化、碎片化的服务选项。但很多时候企业并不能为了节约成本而购买单一服务，而是需要设置符合自身发展需求的云计算策略，并做好重要数据本地备份。

毕竟，狡兔三窟总归不是错误。

合理用云，前提是正确认识云

综上所述，我们可以发现，为了解决类似问题，需要云计算平台、企业客户，包括行业监管、法规定制等方向的共同努力。我们可以从以下几个方面，看到未来化解类似矛盾的可能：

1、技术层面，更加简便优质的容灾备份服务显然是主流。而在今天快速迭代的云计算体系中，通过技术保障进一步加强企业数据保障并不是奢望。而更加扎实的平台管理能力，和快速调查事故原因的能力与执行规则，也是平台企业未来需要提供的用户价值。

2、权责分明的服务关系。类似案件中，平台故障当然是主因。但企业事故也可能最终导致数据危险。

因此，平台方向企业方提供明确的风险提示，并建议做好关键数据备份；企业方购买符合自身发展需求，较为合理的云计算业务体系，都是避免最终矛盾的解决方案。另外很多云计算业务，其实都来自企业应用层面的问题，那么责权如何进一步划分，也是应该解决的问题。

平台与用户双方，能够达成策略性预见，给予对方足够的尊重，并一切有规可循，才是类似问题的最终解决办法。

一棍子打死云计算，或者把云计算捧杀到万能的地步，事实上都是毫无益处的。

我们知道云计算主要有三种服务模式，IaaS、PaaS和SaaS，其中最底层最基础的就是IaaS。企业级私有云领域，目前IaaS领域的老大就是VMWare公司；在开源领域，最流行的IaaS框架则是OpenStack框架。

正是因为开源，才让我们可以更深入地了解云计算IaaS的运作机制。通过对OpenStack的架构的介绍，说明OpenStack是如何实现IaaS服务的。

OpenStack的起源

在云计算领域，目前Amazon占据了绝对领先的市场地位。Amazon的CEO贝佐斯靠着强硬的行政命令要求开发人员按照SOA理念来进行开发，要求所有程序模块必须要用服务接口把数据和功能开放出来。所有程序模块间的通信，必须通过这些接口进行。

可以说SOA的设计思想，构成了今天AWS云平台的技术实现基础，同样这种设计思想也被OpenStack所效仿。AWS虽好，但毕竟是商用的，随着云计算的发展，开源云平台解决方案的需求越来越强烈。

2010年7月，RackSpace和美国国家航空航天局合作合作，分别贡献出RackSpace云文件平台代码和NASANebula平台代码，OpenStack由此诞生。

AWS分层架构

OpenStack的架构

作为Amazon的追随者，OpenStack在技术架构上也与AWS有很多相似之处。OpenStack也是由几个独立的核心功能组件所构成。

分别是计算（Compute）、对象存储（ObjectStorage）、认证（Identity）、用户界面（Dashboard）、块存储（BlockStorage）、网络（Network）和镜像服务（ImageService）：

Nova：计算管理，云计算IaaS的核心，类似于Amazon的EC2（ElasticComputeCloud）。为用户提供虚拟机的管理，比如创建虚拟机或对虚拟机做热迁移。Swift：对象存储，负责对文件进行存储和检索，也包括镜像文件。Keystone：为用户提供身份验证以及OpenStack服务的授权。Horizon：为用户提供一个模块化的控制面板，基于django框架实现。Cinder：块存储服务，为虚拟机提供虚拟卷。Neutron：为虚拟机提供网络连接，允许用户创建自己的虚拟网络并连接各种网络设备。Glance：负责镜像管理，为虚拟机提供镜像。

关于每个组件的具体职责，可以参见前文《云计算IaaS管理平台的基本功能有哪些？》

OpenStack的应用

国际公有云方面，AWS、AZure都采用了自己的技术来搭建云计算平台。在国内公有云市场中，阿里云、腾讯云也都是用自有技术来搭建各自的云计算平台，没有直接利用OpenStack。

虽然在公有云市场，应用OpenStack的商业案例还不算多，但在私有云市场，基于OpenStack的项目非常多，远远多于其他的开源云计算框架,如CloudStack、Eucalyptus和OpenNebula等。

与互联网公司不同，华为倒是非常积极地推进OpenStack技术，和中国三大电信运营商们一并都是OpenStack基金会的黄金会员（GoldenMember），而且为国内外多家电信运营商都部署了基于OpenStack的公有云系统。

目前OpenStack的黄金会员主要包括传统IT企业，如Intel、NEC、Dell、VMWare等，也包括通信设备商，如华为、Ericsson、Cisco、JuniperNetworks等，也包括最新加入的国内三大运营商。相信虽然OpenStack的参与者越来越多，生态越来越完善，应用项目也会越来越多。

　　从Google首席执行官埃里克·施密特(Eric Schmidt)首次提出“ 云计算 ”(cloud computing)的概念到现在，云计算已经走过了炒作期和实践期，已经处于成熟期。同时，行业集中度也越来越高并呈逐渐加强的趋势，目前业内大公司已经占据了整个市场的半壁江山。

　　Synergy Research Group根据2017年市场占有率的多少和市场增长率的快慢对全球几大云计算平台进行了调查和排名，亚马逊AWS依然名列榜首。以下是全球十大云计算平台市场占有率排行榜。

　　1.亚马逊AWS

　　亚马逊AWS于2006年推出，是全球最早推出的云计算服务平台，面向全世界的客户提供云解决方案，包括弹性计算、存储、数据库、应用程序在内的一整套云计算服务，降低企业IT投入成本和维护成本。

　　“先下手为强”，亚马逊AWS投入早、运行时间长，目前仍是云计算领域的老大哥。在AWS计算领域中Amazon Elastic Compute Cloud (Amazon EC2)是代表性产品，它是一种 Web 服务，可根据计算要求提供大小可调的计算容量。在存储服务中，Amazon S3 提供了一个简单的 Web 服务界面，用户可通过它随时在 Web 上存储和检索任意数量的数据。在数据库服务中，Amazon Relational Database Service (Amazon RDS) 是一种可让用户在云中轻松设置、运维和扩展关系数据库的 Web 服务。此外在网络和内容分发、移动服务、开发人员工具、应用程序服务等领域亚马逊AWS都有出色的产品。

　　在2017 AWS Re:Invent会上，Amazon 又宣布推出5项机器学习新服务，包括Amazon SageMaker、Amazon Transcribe、Amazon Translate、Amazon Comprehend、Amazon Rekognition Video以及一款面向开发者的深度学习型无线摄像机AWS DeepLens。

　　此外，亚马逊AWS也加快扩展中国市场的步伐。今年12月12日，亚马逊AWS在中国的第二个运营区域——中国(宁夏)区域正式开放，将会实行一轮降价措施，或给当前国内云计算市场带来强有力的价格冲击。

　　2. 微软Azure

　　微软 Azure是微软基于云计算的操作系统，最初名称是Windows Azure，主要目标是为开发者提供一个平台，帮助开发可运行在 云服务 器、数据中心、Web和PC上的应用程序。Azure是一种灵活和支持互操作的平台，它可以被用来创建云中运行的应用或者通过基于云的特性来加强现有应用。该平台目前具备以下功能：网站、虚拟机、云服务、移动应用服务、大数据支持以及媒体功能的支持。

　　在此次Synergy Research Group的调查统计中微软Azure排第二，虽然没有亚马逊AWS的功能全面，微软Azure也形成了独特的优势。它支持大量开源应用程序、框架和语言，并且数量仍在增加;融合本地 IT 设施和 公有云 ，是最适合混合 IT 环境的公有 云平台 ;数据中心有多家主流运营商接入，网络访问性能有保证;数据和服务的安全性也是其一大优势。

　　11月1日，在北京举行的2017微软技术暨生态大会上，微软宣布在中国运营的Microsoft Azure的云计算规模将在未来6个月完成三倍扩容。11月27日，微软与知名企业软件公司 SAP宣布将合作进军云服务市场，以提高微软的云端业绩，尤其是IaaS 服务。

　　3. IBM

　　IBM一直专注于云计算、网络安全和数据分析，今年11月1日IBM宣布推出全新IBM Cloud Private平台，可以帮助企业利用类似公有云的能力，构建本地部署的私有云环境，是一个集IaaS、PaaS及开发者服务所需的创建、运行和管理 云应用 于一身的集成平台。

　　全新的IBM Cloud Private平台安装极其简便，一键即可实现安装、添加、删除节点，还能够根据相关指标定时弹性伸缩。同时，IBM Cloud private支持异构平台，不仅可以安装于VMWare、OpenStack、物理机上，还支持X86和POWER Linux，由客户自己管理，不需要再连线IBM，投产就可用。集成了Istio、服务目录、VMWare NSX-T等，支持Ceph、Gluster 、GPFS 存储、MicroService Builder中间件镜像的开箱即用。

　　早在9月份，IBM 还推出了一款“拉杆箱”——Cloud Mass Data Migration，里面是一套容量 120TB 的存储系统，可以让用户快速的将本地数据上传到 IBM 的 云存储 中。

　　4.谷歌 云平台

　　谷歌公司不是传统的IT厂商，而是新型的网络公司。基础架构和平台是谷歌 云服务 的两大竞争优势。谷歌云平台服务分为四大类：

　　1.计算：谷歌计算引擎作为基础架构即服务(IaaS);平台即服务有谷歌App Engine;以及谷歌容器引擎，一套使用 Kubernetes来达到集群管理和自动化的Docker容器镜像 。

　　2.存储：谷歌 云存储

　　3.网络：谷歌云DNS和Interconnect

　　4.数据库：Google Cloud SQL，Google Cloud Datastore和Google Cloud BigTable

　　今年9月份谷歌云宣布收购了Bitium，Bitium专注于为基于云的应用程序提供企业级身份管理和访问工具。这次收购能够帮助Google可以更好地管理企业云客户，包括为跨Cloud和G Suite产品的应用程序设置安全级别和访问策略。

　　5. Salesforce

　　Salesforce是一家客户关系管理(CRM)软件服务提供商，提供随需应用的客户关系管理。作为全球CRM行业的领导者，Salesforce 在客户关系管理领域的专业度是毋庸置疑的。该公司勾勒出的云战略中包括SaaS和PaaS。该公司的 云计算 产品包括Force(定制软件开发)、Heroku(Ruby平台服务)、Database、Salesforce Data、Salesforce Chatter、Salesforce Sales Cloud和Salesforce Service Cloud。

　　今年Salesforce已经将AI整合进许多产品中，与IBM合作将Einstein与Watson合并，以便用户扩充数据。Salesforce还利用AI来让用户更轻松地获取他们所需的信息，它提供的一款名为Optimus Prime的内部工具用以组织和清理数据。通过分析用户在Salesforce上已有的数据来添加服务对Salesforce来说是一个很大的机遇。

　　6. 阿里云

　　阿里云创立于2009年，是目前国内云计算领域的龙头，由阿里云自主研发、服务全球的超大规模通用计算操作系统飞天，目前为全球200多个国家和地区的创新创业企业、政府、机构等提供服务。基于阿里云飞天操作系统强大的计算能力，阿里的人工智能ET拥有全球领先的人工智能技术，目前已具备智能语音交互、图像或视频识别、交通预测、情感分析等技能。

　　今年9月21日，阿里云发布全新一代云数据库产品POLARDB，采用第三代分布式共享存储架构，实现计算节点和存储节点分离，使计算引擎和存储引擎均拥有快速扩展能力;在2017杭州?云栖大会期间阿里云又发布了一系列突破性成就，“达摩院”支持研发的量子技术领域迎来了首个重量级发布—— “量子计算云平台”上线、BigBench数据规模首次扩展到100T、流计算2.0每秒峰值达千万QPS整体链路延时亚秒级、E-MapReduce对比同类产品平均性能提升3倍。

　　阿里云在中国遥遥领先的同时开始扩展海外市场，10月30日，阿里云宣布其马来西亚大区(Region)正式面向全球开放服务，阿里云将为该区域市场提供计算、存储、网络等互联网基础设施服务，同时为当地企业数字化转型提供互联网中间件、人工智能产品和服务。此外，阿里云也将在欧洲建立数据中心。

　　7.Oracle

　　Oracle云是一款功能强大、统一的云解决方案。 它提供了全面、集成的云服务，可帮助业务用户和开发人员在云端或内部部署环境中无缝、经济高效地构建、部署和管理负载，是少有的几家能完整覆盖IaaS、PaaS、SaaS及DaaS层面云服务的公司。

　　Oracle的成功主要来自于数据库业务，许多公司使用他们的数据库来运行其关键业务，数据库业务仍然是Oracle最大的收入来源。2017财年甲骨文云业务总收入超过46亿美金，年增长超过60%，是全球发展最快的云公司之一。

　　在刚过去的2017甲骨文全球云大会上，甲骨文发布了多项产品和技术创新：最新发布的Oracle数据库18c，凭借机器学习实现自治驱动、自治修复数据库和联机事物处理，有效提升了云端数据库运行的安全性和可靠性;Oracle人工智能平台云服务(Oracle AI Platform Cloud Service)、Oracle区块链云服务、Oracle移动云、Oracle分析云以及Oracle安全和管理云等解决方案全面展现了甲骨文的技术创新。

　　据外媒最新消息，Oracle已经同意斥资16亿美元收购基于云计算的建筑软件供应商Aconex，增强其云计算业务。

　　8.Rackspace

　　Rackspace是全球三大 云计算 中心之一，是一家全球领先的托管服务提供商，在全球拥有10个以上数据中心，管理超过64000台服务器。Rackspace的托管服务产品包括专用服务器，电子邮件，SharePoint， 云服务 器， 云存储 ，云网站等。在服务架构上提供专用托管， 公有云 ，私有云及混合云。同时Rackspace是，AWS与微软Azure技术支持伙伴。

　　业内调查表明，企业正在纷纷从企业数据中心转向多云模式，这对云计算市场来说又是一巨大的机遇。今年9月Rackspace公司签署了收购Datapipe公司的协议，其中包括由29个数据中心组成的基础架构。此次收购是Rackspace公司迄今为止最大的收购交易，主要为了满足客户要求更多的多云功能。

　　11月，Rackspace又表示，将于HPE合作构建一套根据使用情况向客户收费的私有云服务。Rackspace认为，对于企业来说，付费即用模式的托管私有云是一个有吸引力的选择，这是私有云市场翻开的一个新篇章。

　　9. virtustream

　　Virtustream成立于2009年，为政府和企业客户提供云端服务，主要负责解决SAP、Oracle等关键应用在云上运行的问题，Virtustream的xStream管理平台及基础设施即服务(IaaS)满足复杂的私有云、公共云或混合云生产应用的安全、合规、性能、效率及基于消费量的计费要求。

　　Virtustream是深受全球组织信任的企业级云提供商，其客户包括可口可乐、SAP、多米诺糖业、海因茨以及一系列来自全球各地的服务供应商。VirtuStream在整个云计算市场属于细分市场的挑战者，是托管私有云市场的领导者。2015年被存储巨头EMC公司收购，随后EMC与戴尔合并，VirtuStream成为戴尔旗下事业部。

　　VirtuStream借助戴尔的服务提供商生态系统，加速推进其扩张步伐。今年3月28日，Virtustream宣布，该公司面向任务关键型应用的企业 云平台 和服务即日起在澳大利亚和日本等亚太地区供应，此次供应范围包括Virtustream的创新 云技术 和独特的消费量计费模型。

　　10. Fujitsu

　　2010年7月9日，日本富士通公司正与美国微软公司合作推出云计算业务，富士通和微软在全球范围内共享数据中心，微软把其软件与富士通的客户服务结合起来;富士通开始在群马县馆林市数据中心运行微软云服务，此后将陆续在美国、英国和新加坡等国家的数据中心运行。

　　富士通云基础架构解决方案是根据云计算平台架构的需求，以富士通刀片服务器及存储系统为基础，在业界标准的虚拟化技术之上，采用富士通云计算资源的核心组件ROR(Server View Resource Orchestrator)组建的一个预先定义、预先测试验证、标准配置的云计算平台。

　　近年来为了增强在云计算领域的竞争力，富士通除了与微软合作，与云计算领域巨头纷纷展开合作。2015年12月，富士通集团与全球云基础架构和移动商务领导厂商VMware宣布双方将开展全新合作，为客户提供灵活、安全的云技术。2016年7月，Oracle和富士通宣布结成合作伙伴关系，以推动企业云计算解决方案的发展。