16 improvements irrésistibles du cloud computing

Lorsque l’on pense au cloud public, la première considération qui vient souvent à l’esprit est d’ordre financier : le déplacement des charges de travail des centres de données à faible capacité vers le cloud réduit les dépenses d’investissement (CapEx) mais augmente les dépenses d’exploitation (OpEx). Cela peut être attrayant ou non pour le directeur financier, mais ce n’est pas exactement de l’herbe à chat pour les développeurs, les opérations ou ceux qui combinent les deux comme les devops.

Pour ces personnes, le cloud computing offre de nombreuses opportunités qui ne sont tout simplement pas disponibles lorsque de nouveaux services logiciels nécessitent l’achat de nouveaux matériels de serveur ou de nouveaux progiciels d’entreprise. Ce qui prend six mois pour se déployer sur site peut parfois prendre 10 minutes dans le cloud. Ce qui nécessite des abonnements de gestion à trois niveaux pour créer sur site peut être facturé sur une carte de crédit dans le cloud.

Ce n’est pas seulement une question de temps et de commodité. Le cloud permet également une plus grande rapidité pour le développement de logiciels, ce qui conduit souvent à un délai de mise sur le marché plus court. Le cloud peut également permettre plus d’expérimentation, ce qui conduit souvent à une meilleure qualité logicielle.

De plus, il existe de réelles innovations dans le cloud qui peuvent offrir des avantages immédiats et résoudre des problèmes de longue date avec l’informatique sur site. Nous présentons ici 16 ressources cloud attrayantes.

Instances de calcul à la demande

Besoin d’une nouvelle base de données sur votre propre serveur local ? Faites la queue et préparez-vous à attendre des mois, voire des années. Si vous pouvez tolérer d’avoir une machine virtuelle (VM) sur site au lieu d’un serveur physique et que votre entreprise utilise VMware ou des technologies similaires, votre attente pourrait être aussi courte que quelques semaines. Mais si vous souhaitez créer une instance de serveur sur un cloud public, vous pouvez la provisionner et l’exécuter en 15 minutes environ, et vous pouvez l’adapter à vos besoins et la désactiver lorsque vous ne l’utilisez pas.

Images de machines virtuelles prédéfinies

Pouvoir ouvrir une machine virtuelle avec le système d’exploitation de votre choix est pratique, mais vous devez toujours installer et autoriser les applications nécessaires. Pouvoir ouvrir une machine virtuelle avec le système d’exploitation et les applications de votre choix prêts à fonctionner n’a pas de prix.

Services sans serveur

« Sans serveur » signifie qu’un service ou un morceau de code s’exécutera à la demande pendant une courte période, généralement en réponse à un événement, sans avoir besoin d’une machine virtuelle dédiée pour s’exécuter. Si un service est sans serveur, vous n’avez généralement pas à vous soucier du serveur sous-jacent ; les ressources sont allouées à partir d’un pool géré par le fournisseur de cloud.

Les services sans serveur, actuellement disponibles sur tous les principaux clouds publics, proposent généralement une mise à l’échelle automatique, une haute disponibilité intégrée et un modèle de facturation à l’utilisation. Si vous voulez une application sans serveur sans être verrouillé dans un cloud public spécifique, vous pouvez utiliser un framework sans serveur indépendant du fournisseur comme Kubeless, qui ne nécessite qu’un cluster Kubernetes (qui est disponible en tant que service cloud ; voir ci-dessous).

Conteneurs à la demande

Un conteneur est une unité logicielle exécutable légère, beaucoup plus légère qu’une machine virtuelle. Un conteneur regroupe le code d’application et ses dépendances sous forme de bibliothèques. Les conteneurs partagent le noyau du système d’exploitation de la machine hôte. Les conteneurs peuvent s’exécuter sur Docker Engine ou un service Kubernetes. L’exécution de conteneurs à la demande présente tous les avantages de l’exécution de machines virtuelles à la demande, avec les avantages supplémentaires de nécessiter moins de ressources et de coûter moins cher.

Images de conteneurs prédéfinies

Un conteneur Docker est une instance exécutable d’une image Docker, qui est spécifiée par un Dockerfile. Un Dockerfile contient les instructions pour créer une image et est généralement basé sur une autre image. Par exemple, une image contenant Apache HTTP Server peut être basée sur une image Ubuntu. Vous pouvez trouver des Dockerfiles prédéfinis dans le registre Docker et vous pouvez également créer les vôtres. Vous pouvez exécuter des images Docker sur votre installation Docker locale ou sur n’importe quel cloud prenant en charge les conteneurs. Comme les images de machines virtuelles prédéfinies, un Dockerfile peut ouvrir une application complète rapidement, mais contrairement aux images de VM, les Dockerfiles sont indépendants du fournisseur.

Orchestration des conteneurs Kubernetes

Kubernetes (K8s) est un système open source permettant d’automatiser le déploiement, la mise à l’échelle et la gestion des applications conteneurisées. Le K8s était basé sur la technologie interne “Borg” de Google. Les clusters K8 consistent en un ensemble de machines de travail, appelées nœuds, qui exécutent des applications conteneurisées. Les nœuds de travail hébergent des pods, qui contiennent des applications ; un plan de contrôle gère les noeuds worker et les pods. K8s fonctionne n’importe où et évolue sans limites. Tous les principaux clouds publics ont des services K8s ; vous pouvez également exécuter K8 sur votre propre machine de développement.

Serveurs d’autoscaling

Vous n’avez pas besoin de conteneuriser vos applications et de les exécuter sur Kubernetes pour les mettre à l’échelle automatiquement dans le cloud. La plupart des clouds publics vous permettent d’augmenter (ou de réduire) automatiquement les machines virtuelles et les services en fonction de l’utilisation, soit en ajoutant (ou en soustrayant) des instances, soit en augmentant (ou en diminuant) la taille de l’instance.

bases de données planétaires

Les principaux clouds publics et plusieurs fournisseurs de bases de données ont mis en œuvre des bases de données distribuées à l’échelle planétaire avec des principes fondamentaux tels que des maillages de données, des interconnexions redondantes et des algorithmes de consensus distribués qui leur permettent de fonctionner efficacement et de manière fiable jusqu’à cinq 9 (99,999 % du temps d’activité). Les exemples spécifiques au cloud incluent Google Cloud Spanner (relationnel), Azure Cosmos DB (multimodèle), Amazon DynamoDB (clé-valeur et document) et Amazon Aurora (relationnel). Les exemples de fournisseurs incluent CockroachDB (relationnel), PlanetScale (relationnel), Fauna (relationnel/sans serveur), Neo4j (graphique), MongoDB Atlas (document), DataStax Astra (large colonne) et Couchbase Cloud (document).

services hybrides

Les entreprises ayant d’importants investissements dans les centres de données souhaitent souvent étendre leurs applications et services existants au cloud plutôt que de les remplacer par des services cloud. Tous les principaux fournisseurs de cloud proposent désormais des moyens d’y parvenir, en utilisant des services hybrides spécifiques (par exemple, des bases de données qui peuvent s’étendre sur des centres de données et des clouds) et des serveurs sur site et des ressources cloud en périphérie qui se connectent au cloud public, communément appelé clouds hybrides.

Entraînement et prédiction évolutifs en machine learning

La formation à l’apprentissage automatique, en particulier l’apprentissage en profondeur, nécessite souvent des ressources informatiques importantes sur des heures ou des semaines. La prédiction par apprentissage automatique, en revanche, nécessite vos ressources informatiques pendant quelques secondes par prédiction, à moins que vous ne fassiez des prédictions par lots. L’utilisation des ressources cloud est souvent le moyen le plus pratique d’effectuer des entraînements et des prédictions de modèles.

GPU, TPU et FPGA cloud

L’apprentissage en profondeur avec de grands modèles et de très grands ensembles de données requis pour une formation précise peut souvent prendre plus d’une semaine sur des grappes de processeurs. Les GPU, TPU et FPGA peuvent réduire considérablement le temps de formation, et leur mise à disposition dans le cloud facilite leur utilisation en cas de besoin.

Services d’IA pré-formés

De nombreux services d’IA peuvent être bien exécutés par des modèles pré-formés, par exemple la traduction linguistique, la synthèse vocale et le marquage d’images. Tous les principaux services cloud proposent des services d’IA pré-formés basés sur des modèles robustes.

Services d’IA personnalisables

Parfois, les services d’IA pré-formés ne font pas exactement ce dont vous avez besoin. L’apprentissage par transfert, qui ne forme que quelques couches de réseau de neurones au-dessus d’un modèle existant, peut fournir un service personnalisé relativement rapidement par rapport à la formation d’un modèle à partir de zéro. Encore une fois, tous les principaux fournisseurs de services cloud proposent l’apprentissage par transfert, bien qu’ils ne l’appellent pas tous du même nom.

services de surveillance

Tous les clouds prennent en charge au moins un service de surveillance et facilitent la configuration de vos services cloud pour la surveillance. Les services de surveillance affichent généralement un tableau de bord graphique et peuvent être configurés pour vous informer des exceptions et des indicateurs de performance inhabituels.

Services distribués

Les bases de données ne sont pas les seuls services qui peuvent bénéficier d’une exécution distribuée. Le problème c’est la latence. Si les ressources informatiques sont éloignées des données ou des processus sous gestion, il faut beaucoup de temps pour envoyer et recevoir des instructions et des informations. Si la latence est trop élevée dans une boucle de rétroaction, la boucle peut facilement devenir incontrôlable. Si la latence est trop élevée entre le machine learning et les données, le temps nécessaire pour effectuer la formation peut exploser. Pour résoudre ce problème, les fournisseurs de services cloud proposent des appareils connectés qui peuvent étendre leurs services aux centres de données d’un client (cloud hybride) ou à proximité de l’usine du client (edge ​​computing).

informatique de pointe

La nécessité de rapprocher géographiquement l’analyse et l’apprentissage automatique des machines et autres objets du monde réel (l’Internet des objets, ou IoT) a conduit à des dispositifs spécialisés tels que des dispositifs informatiques miniatures avec des GPU et des capteurs, et des architectures pour les prendre en charge, tels que les serveurs de périphérie, les plates-formes d’automatisation et les réseaux de diffusion de contenu. En fin de compte, ils se reconnectent tous au cloud, mais la possibilité d’effectuer des analyses à la périphérie peut réduire considérablement le volume de données envoyées au cloud, ainsi que la latence.

La prochaine fois que vous entendrez une plainte concernant vos dépenses liées au cloud, vous pourrez peut-être citer l’un de ces 16 avantages, ou l’une des fonctionnalités du cloud qui vous ont aidé, vous ou votre équipe. Toutes les innovations cloud dont nous avons parlé peuvent justifier leur utilisation. Ensemble, les avantages sont vraiment irrésistibles.

Copyright © 2022 IDG Communications, Inc.

Leave a Comment