【2018可信云】优云数智王璞：《业务场景驱动，IaaS与PaaS融合成常态》

刚才讲的价格是一个因素，另外一个因素，软件定义存储目前要解决的很大的问题叫统一存储，统一存储怎么理解？企业客户内部有各种各样的数据从各种各样的接口需要读写，比如很常见的NFS的接口，再接下来大数据的接口、HDFS的接口，比较流行的对向接口S3的场景，还有RTMP流媒体的场景等等，这些场景客户目前企业客户内部都是不同的协议，各自读写各自的定义，比如大数据的场景NFS的场景，能不能做到不同协议之间，NFS写进来的数据被S3和NFS读走，NFS写进来的数据能够被HDFS读走，我们现在做的就是能够跨接够解决异构接口之间数据共享的问题。

有了数据湖的共享方案，上层再提供大数据的能力，这个大数据的平台叫安全屋，为什么叫安全屋？因为很多大数据的场景目前在企业客户内部跟安全的结合太弱了，我们把安全能力和大数据处理能力结合起来，大数据的处理能力都是通过容器化的方式提供的，底下的存储是通过软件定义存储，结合各种接口的数据，NFS接口写进来，或者S3、流媒体、大数据接口写到统一的平台，再统一交给HDFS把所有接口写进来的数据读走交给大数据处理，处理完再写回去。这样不同的各种各样的场景留灌的数据都能处理。

再一个，AI的场景，目前来讲很多企业客户内部都希望落地一些AI的应用，AI的应用有两个场景，一个是训练场景，一个是AI模型推断的场景，目前很多企业客户内部不见得有大量的AI训练的能力，因为AI训练对于计算是非常密集型的，需要很多GPU的资源，很多客户内部希望有AI推断的能力，简单讲就是人脸识别、语音识别、自然语言处理等等，可能是模型训练好之后应用到实际的业务场景，这都是AI推断的，AI推断的时候怎么管理AI的模型？比如定期的模型有更新，模型之间怎么校验、怎么灰度，对AI应用有一个灰度管理的能力。

再一个AI训练的能力，有些比较大的客户，它内部AI的集群具体讲就是GPU的服务器数量也不少，少的几十台、多的上百台，目前深度学习GPU应用怎么做到云化的管理是很大的挑战，GPU目前绝大部分的训练方式还是独占甚至很多场景下的GPU深度学习的训练还做不到分布式训练，这时候我们怎么提供一个按照云的方式管理这些GPU应用，比如利用容器的方式调动深度学习应用实行云化的管理，更合理的使用训练资源。再利用容器的能力提供一个AI推断的服务，让不同的AI推断的模型能够在线上做灰度。这样一个能力对于企业客户提供过去之后能够很方便的，首先帮助企业客户落地人脸识别、语音识别的应用，因为现在人脸识别、语音识别已经比较成熟了，可以应用到工业化的领域了。像训练的领域，对于绝大部分企业客户来讲，它没有相应的能力，但是对于一些大的客户，内部有些GPU服务的，有不少GPU服务器的话，这些GPU服务器的管理需求其实是目前要解决的刚需的问题。

这样的话我们搭建一个云的平台，把这些能力赋能给客户，客户很方便利用AI解决它的业务场景的问题。

基本上我简单介绍这么多，一句话讲，IaaS和PaaS的深度融合，本质上就是要按照不同的应用场景，比如大数据场景、AI场景、微服务场景，不同的场景一揽子解决所有场景里面计算存储和网络的问题。

谢谢大家！

（编辑：广州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!