一些世界领先的公共云平台

“云”已经成为所有数据存储的代名词，也代表许多以web为中心的服务访问相同的后端数据存储。随着时间推移，“云”也进化出了更多的含义。

云计算提供了对服务器、存储、数据库和应用程序资源更简化的访问，用户提供并使用他们认为适合的最小需求集来托管他们的应用程序需求。仅在过去的十年中，向更广泛和更可访问的网络的范式转变就迫使硬件供应商和服务供应商重新考虑他们的策略，迎合存储信息和服务应用程序资源的新模式。近年来，越来越多的个人和企业将自己与这个更大的计算机世界连接起来。

什么是云？

“云”的概念常常与一般的互联网相混淆。虽然组成云的各种组件都可以通过互联网访问，但它们并不是一个相同的组件。用最一般的术语来说，云计算使公司、服务提供商和个人能够动态地为他们的需求提供适当数量的计算资源（计算节点、块或对象存储等等）。这些应用程序服务是通过网络访问的，而不一定是公共网络。有三种不同类型的云部署：公共的、私有的和两者的混合。

公共云与私有云的区别在于：私有云通常部署在数据中心和使用其云计算技术的专有网络之下——也就是说，它是为其服务的组织开发和维护的。私有云部署的资源是通过常规的硬件购买手段和传统的硬件销售渠道获得的。而公共云的资源是根据请求动态地提供给用户的，可以采用按使用付费的模式或免费提供。

一些世界领先的公共云平台包括：

l 亚马逊网络服务(AWS)；

l 微软Azure；

l 谷歌云平台；

l IBM云(以前是SoftLayer)。

顾名思义，混合模型允许在公共和私有部署之间进行无缝访问和转换，所有这些都在单个框架下进行管理。

对于那些喜欢将工作负载放在内部或部分托管在公共云上（有时是出于安全性、数据主权考虑）的用户，私有云和混合云继续在用户控制范围内提供相同数量的服务。

使用云服务可实现以下目标：

l 通过方便地访问和简化操作系统/应用程序的部署，以及对已分配资源的管理，增强业务灵活性；

l 通过减少对硬件和整体数据中心/网络基础设施的担忧，减少资本支出和优化预算；

l 转变交付服务和管理资源的方式，以便灵活扩展以满足不断变化的需求；

l 在不考虑硬件、维护或管理成本的情况下提高操作和效率——您只需支付所需和使用的费用（这适用于公共云）。

采用云模型使开发人员能够访问在即时可用的基础设施上构建和部署应用程序所需的最新和最好的工具和服务。更快的发展周期意味着公司面临着更快速度的竞争压力，否则就会面临市场上的混乱。这种新的业务速度，加上“随需应变”和“一切即服务”的思维方式，已经从应用程序开发人员扩展到了金融、人力资源甚至销售领域。

这个行业的顶级玩家

在这个深入系列中，我将更多地关注公共云服务提供商以及它们提供的使用Amazon AWS的示例部署。为什么要关注公共云？对大多数读者来说，这似乎是更有吸引力的选择。与私有云和本地数据中心部署不同，公共云旨在减轻维护者的投资负担，并不断更新他们的计算硬件和网络基础设施。现实情况是：硬件更新换代的速度越来越快。

从理论上讲，公共云的设计可以无限制地扩展。当您需要提供更多资源时，服务提供者已经为满足这些需求做好了准备。这里的要点是，您永远不会使用公共云的所有资源。

公共云的理念是大幅削减（甚至可能取消）资本支出，更多地关注已削减的运营支出。该模型允许公司减少IT人员配备和计算硬件/软件成本。公司没有投入大量的前期资金，而是为他们需要的基础设施和服务付费，是一个量入为出的模式。

亚马逊

亚马逊Web服务(AWS)于2006年首次推出，提供一套按需云计算、存储和网络资源以及数据存储。如今，AWS还提供一系列服务，专注于计算、存储、网络、数据库、分析、开发工具等等。这些服务中最著名的是Amazon弹性计算云(EC2)和Amazon简单存储服务(S3)。

亚马逊站在公共云的最前线，拥有最大的用户市场份额——数量可观。作为最早投资云计算的公司之一，亚马逊已经能够适应、重新定义甚至引领行业趋势。

微软

微软Azure于2010年向公众发布，它为现有的微软生态系统和其他系统重新定义了计算。与AWS非常相似，Azure为客户提供了大量有吸引力的云产品，涵盖计算、存储、数据库等领域。微软在云计算上投入了巨资，这一点毋庸置疑。毫无疑问，微软目前是第二大服务提供商，迅速接近亚马逊的市场份额。

谷歌

谷歌进入这个市场是一个不断发展的过程。谷歌在早期就有云和云风格的计算，只要它认为合适，会将内部实现的框架提供给更广泛的公众。直到2010年谷歌云存储的引入，谷歌云平台的基础才为公众和未来的云产品奠定了基础。今天，谷歌仍然是一个非常强大的竞争者。

IBM

IBM在2012年宣布了它在云计算方面的雄心。从那个声明开始，它的愿景就发生了变化，但最终的结果是一样的：计算、存储等等，但这一次，重点是安全、混合部署和通过Watson框架连接到人工智能后端。