世界气象组织 (WMO) 识别出十种基本的云类型。 从卷云到雨层云，再到我们在灰色多雨的俄勒冈州最喜欢的地方，普通的层云，这些云有很多种类。 我们在技术中使用的云也是如此——那些存在于巨型数据中心的云。
实际上，如今，技术云也各不相同，因为它们不再都位于数据中心。 有些人的行为方式相同，但完全住在私人设施中。 有些从“边缘”（与现实的接触点）一直延伸到我们通常与云以及传统数据中心相关联的服务器机架。
1997 年，现就职于埃默里大学的 Ramnath K. Chellappa 教授在一场名为“云计算中的中介”的演讲中似乎首次使用了云计算一词。 从那时起，我们已经看到云计算对 IT 运营的意义以及它如何应用于解决社会层面挑战的重大变化。
另外：边缘到云如何推动下一阶段的数字化转型
未来 3-5 年云计算的前景如何？ 自大流行以来，它变得更加有趣。 自 2020 年以来，云计算取得了巨大的飞跃，由于对数字信息和电子产品的需求大幅增长，许多企业在十个月内完成了他们的十年路线图——有些企业甚至在十周内完成了这一目标。 商业。
云计算的含义正在发生变化
可扩展、可计量、可集中管理、按需计算基础设施的理念行之有效。 它适合范围广泛的业务模型，从初创企业到大型企业。 今天，最好根据这些特征来定义云计算，而不是继续将其定义为在外包数据中心由其他人管理的计算基础设施。
与硬件机架的位置和内容相比，云计算更多地涉及管理和扩展资源以及分配工作负载。
在很大程度上，这就是我们看到混合云和多云兴起的原因。 某些应用程序在公共云基础架构中运行良好。 其他应用程序，通常由于延迟、治理或安全问题，更适合本地操作。 而且，由于依靠单一供应商提供解决方案永远不会 100% 安全，因此多云已成为一种明智的对冲策略。
多云满足许多核心业务需求。 它提供了一种方法来防止单一供应商锁定，并避免在从根深蒂固的供应商转移时产生的巨大转移成本。 如果供应商遇到严重的技术困难，或者更糟的是，关闭并停止运营，它会提供故障转移选项。
多云也很有吸引力，因为它允许 IT 运营商选择最适合每种工作负载的供应商。 但重要的是要意识到这种做法可能会导致意想不到的锁定程度。 如果有必要，提供独特或优质产品的供应商更难放弃。
虽然多云通常被定义为跨供应商的云，但也可以将多云视为与混合云大致相同的方式。 您可能有在公共云操作中运行的云服务以及在本地运行的云服务。 这种多混合云的组合很可能成为新常态。
但是，无论它是如何分布的，这些新的完全混合的云操作都受益于可扩展性、可计量性、可管理性和按需性。 总体而言，这使您能够适应不断变化的业务需求，同时保持对数据的控制。
这其中的关键将是越来越多地使用容器和编排工具。 容器就像虚拟机，但比 VM 更轻便、更便携、更具可扩展性，而 VM 还必须包含完整的模拟机器架构。 通过跨环境管理容器，降低了复杂性——任何时间的复杂性都降低了，错误和系统故障也减少了。
容器的使用还可以实现部署、扩展、安全和监控等任务的自动化，从而减少出错的可能性并提高可靠性，并节省时间。
除了这些好处之外，容器的使用还提供了一定程度的可移植性，这也有助于防止锁定，并提供了一种自动化物流和故障转移的方法，以响应业务需求、危机和机遇。
我们可以期待无服务器计算的增长，其中度量单位不是完整的服务器，而是工作负载、模块或应用程序。 无服务器减少了对基础设施的需求，因为模块仅在需要时执行，无需启动完整的 VM 甚至容器。 如果应用程序具有广泛的流量负载，无服务器可以提供成本节约和负载管理优势。
随着我们在未来几年向前发展，边缘计算将变得更加普遍。 边缘设备将变得更强大，但要求也更高，需要实时处理大量数据，同时还需要在整个组织范围内共享数据以进行分析和洞察。
期望边缘设备连接更多，并且更频繁地无人看管。 随着它们的能力和智能的增加（AI 和 ML 在这里发挥重要作用），它们将能够在连接减少或间歇性连接的区域以及极端天气或环境条件的区域执行更多功能。
这就是 5G（最终是 6G）发挥作用的地方。 5G 可以更好地处理间歇性连接，并且能够切换频率和“波束成形”以到达传统蜂窝连接无法到达的区域。 5G 还在该领域投入了更多的智能，这将大大减少延迟，使边缘设备能够更快地与“母舰”通信，并具有更高的响应能力。
人工智能在云管理中的增长
对复杂云环境的依赖增加将增加管理挑战。 在这里，人工智能至少可以通过四种方式提供帮助：
自动化日常任务：有大量基本的 IT 管理任务，如资源分配和扩展，可以由 AI 管理。 任何可能有脚本的地方，都可能有 AI。 预计 AI 将达到这样的程度，即它的设置工作量比脚本少。
分析数据：无论是客户使用模式、情绪分析、工作负载对资源的影响，还是许多其他观察领域，AI 都可以提供对网络运营和客户行为的洞察，从而提高可靠性并突出机会。
改善用户体验：期望 AI 通过聊天和电子邮件提供前端甚至二级客户支持。 一方面，它将用户交到机器手中，但它也解放了人类技术人员来帮助解决更具挑战性的客户问题。
新服务和商业模式：正如我们在 ChatGPT 中看到的那样，越来越多的云服务正在寻找一种方法来添加 AI 组件作为增值。 随着 AI 可以简化和协助从事工作和使用服务的人类的方式越来越多，预计这种趋势会增加。
然后，当然，还有安全性。 由于安全技能短缺和网络安全威胁不断增加，预防和减轻攻击需要成为企业的首要任务——但这也是一个越来越大的挑战。 攻击者变得越来越老练，在发动成功攻击方面拥有更多经验。 正如我们所讨论的，增加的复杂性提供了更多的故障点，以及更多的攻击者可以利用的点。
即使是小公司现在也管理着数量惊人的信息，包括动态信息和静态信息。 我们谈论的是 TB、PB 和 EB 级的流量和存储。 可以管理高速移动的该卷数据的唯一方法是通过软件。 但随着不良行为者复杂性的快速变化和增长，常规编程和模式识别保护将根本跟不上。
这是 AI 不仅仅是可选的或很好拥有的情况之一。 人工智能将成为保护企业所需的堡垒，而其他任何东西都无法快速行动。
云供应商也必须改变
所有这些导致云供应商也必须转型才能跟上。 因此，我们将回到我们在云演化系列中一直使用的示例：HPE GreenLake。
此外：在大型零售商的这种情况下，由边缘到云支持的数字化转型变得栩栩如生
HPE GreenLake 是一个服务平台，允许组织按需使用和管理资源，无论是在云端还是在本地。
HPE GreenLake 提供可扩展的本地支持，因此您可以将物理硬件锁在您控制的门后，就好像它是基于云的流动资源一样。 通过将所有这些资源交付服务组合成一个产品，然后提供集中管理和部署工具，可以从一个集中资源管理广泛分布的多供应商 IT 运营。
展望未来，预计 GreenLake 将提供更多工具和资源，并能够应对更大的挑战——让技术领导者能够根据环境和市场条件扩展（或缩减）组织。
当我们展望未来 3-5 年时，口号是“更多”。 更多的连接、更多的力量、更多的人工智能、更多的安全挑战、更多的节点、更多的设备、更多的位置、更多的选择、更多的资金、更高的效率、更多的性价比、更多的供应商——更多、更多、更多。 当然，在管理这一切方面面临更复杂的挑战。
