魅力的なクラウドイノベーション16選

従量課金制の価格モデルの背後には、パブリック クラウドが最新かつ最高の開発、DevOps、AI ツールを備えており、より優れたスマートなアプリケーションをより迅速に構築できます。

パブリック クラウドについて考えるとき、通常最初に思い浮かぶのはコストです。企業はワークロードをデータ センターからクラウド プラットフォームに移行することで設備投資を削減しますが、運用コストは増加します。これは CFO にとっては魅力的ではないかもしれませんが、開発者、運用、またはその両方にとって、クラウド コンピューティングはより多くのメリットをもたらす可能性があります。

これらの人々にとって、クラウド コンピューティングは、新しいソフトウェアを実行するためにサーバー ハードウェアやソフトウェア スイートを購入しなければならない場合、データ センターではアクセスが困難であったであろう多くの機会を提供します。オンプレミスのデータセンターでは 6 か月かかるコンピューティング リソースの拡張が、クラウドではわずか 10 分で完了する場合があります。

それは単に時間と利便性の問題ではありません。クラウド コンピューティングによりソフトウェア開発のスピードも向上し、市場投入までの時間が短縮されることがよくあります。クラウド コンピューティングでは、より多くの実験や試行が可能になり、多くの場合、ソフトウェアの品質が向上します。

さらに、クラウド コンピューティングのイノベーションにより、より即時的なメリットが得られ、オンプレミス データ センターの長年の課題も解決できます。ここに、16 の魅力的なクラウド コンピューティング機能を紹介します。

1. オンデマンドコンピューティングインスタンス

企業は、自社のオンプレミス サーバーに新しいデータベースをインストールするのに数か月、あるいは数年も待たなければならない場合があります。物理サーバーの代わりにオンプレミスの仮想マシンを使用し、VMware または同様のテクノロジを使用できる場合は、数週間しかかからない場合があります。パブリック クラウド上にサーバー インスタンスを作成する場合、約 15 分で構成して実行することができ、必要に応じて実装のサイズを変更したり、使用していないときにシャットダウンしたりすることもできます。

2. 事前に構築された仮想マシンイメージ

選択したオペレーティング システムで仮想マシンを起動するのは便利ですが、必要なアプリケーションをインストールしてライセンスを取得する必要があります。選択したオペレーティング システムとアプリケーションを実行できる状態の仮想マシンを用意しておくことは非常に重要です。

3. サーバーレスサービス

「サーバーレス」とは、専用の仮想マシンを実行する必要がなく、通常はイベントに応じて、サービスまたはコードが短期間オンデマンドで実行されることを意味します。サーバーレス サービスを使用する場合、基盤となるサーバーについてまったく心配する必要はありません。リソースは、クラウド コンピューティング プロバイダーによって管理されるデータ プールから割り当てられます。

サーバーレス サービスは現在、主要なパブリック クラウド プラットフォームで利用可能であり、通常は自動スケーリング、組み込みの高可用性、および価値に応じた課金モデルを備えています。サーバーレス アプリケーションを特定のパブリック クラウドにロックインしたくない場合は、Kubeless などのベンダーに依存しないサーバーレス フレームワークを使用できます。

4. コンテナをオンデマンドで実行する

コンテナは、仮想マシンよりもはるかに軽量な、実行可能なソフトウェアのユニットです。コンテナーは、アプリケーション コードとその依存関係 (ライブラリなど) をパッケージ化します。コンテナはホストのオペレーティング システム カーネルを共有し、Docker エンジンまたは Kubernetes サービスのいずれかで実行できます。コンテナをオンデマンドで実行すると、仮想マシンをオンデマンドで実行するメリットがすべて得られるほか、使用するリソースが少なくなり、コストも削減できるというメリットもあります。

5. ビルド済みのコンテナイメージ

Docker コンテナは、Dockerfile によって指定された Docker イメージの実行可能インスタンスです。 Dockerfile にはイメージを構築するための指示が含まれており、通常は別のイメージに基づいています。たとえば、Apache HTTPS サーバーを含むイメージは、Ubuntu イメージに基づいている可能性があります。ユーザーは Docker レジストリで定義済みの Dockerfile を見つけたり、独自の Dockerfile を構築したりできます。ユーザーは、オンプレミスの Docker インストールまたはコンテナーをサポートする任意のクラウド プラットフォームで Docker イメージを実行できます。事前に構築された仮想マシン イメージと同様に、Dockerfiles を使用すると完全なアプリケーションをすばやく起動できますが、仮想マシン イメージとは異なり、Dockerfiles はベンダーに依存しません。

6. Kubernetes コンテナオーケストレーション

Kubernetes (K8s) は、コンテナ化されたアプリケーションの展開、スケーリング、管理を自動化するためのオープンソース システムです。 Kubernetes は、Google の社内「Borg」テクノロジーをベースにしています。 Kubernetes クラスターは、コンテナ化されたアプリケーションを実行するノードと呼ばれるワーカー マシンのグループで構成されます。ワーカーノードは、アプリケーションを含むポッドをホストします。 Kubernetes はどこでも実行でき、無限に拡張できます。すべての主要なパブリック クラウドには Kubernetes サービスがあり、ユーザーは独自の開発マシンで Kubernetes を実行することもできます。

7. サーバーを自動的に拡張する

ユーザーは、アプリケーションをコンテナ化して Kubernetes で実行し、クラウド内で自動的にスケーリングする必要がありません。ほとんどのパブリック クラウドでは、インスタンスを追加 (または削減) したり、インスタンス サイズを増加 (または減少) したりすることで、使用状況に基づいて仮想マシンとサービスを自動的にスケールアップ (またはスケールダウン) できます。

8. 惑星規模のデータベース

世界の主要なパブリック クラウド プロバイダーとデータベース ベンダーは、データ構造、冗長相互接続、分散コンセンサス アルゴリズムなどの基盤を備えた地球規模の分散データベースを実装しており、データベースが効率的に動作し、最大 5 つの 9 の信頼性 (99.999% の稼働時間) を実現できます。クラウド コンピューティング固有の例としては、Google Cloud Spanner (リレーショナル)、Azure CosmosDB (マルチモデル)、Amazon DynamoDB (キー値とドキュメント)、Amazon Aurora (リレーショナル) などがあります。ベンダーの例としては、CockroachDB (リレーショナル)、PlanetScale (リレーショナル)、Fauna (リレーショナル/サーバーレス)、Neo4j (グラフ)、MongoDB Atlas (ドキュメント)、DataStax Astra (ワイドカラム)、Couchbase Cloud (ドキュメント) などがあります。

9. ハイブリッドサービス

データ センターに多額の投資をしている企業は、既存のアプリケーションやサービスをクラウド サービスに置き換えるのではなく、クラウドに拡張したいと考えることがよくあります。主要なクラウド コンピューティング ベンダーは現在、特定のハイブリッド サービス (データ センターとクラウドにまたがるデータベースなど) の使用や、パブリック クラウドに接続されたオンプレミス サーバーとエッジ クラウド リソース (一般にハイブリッド クラウドと呼ばれる) の使用など、これを実現する方法を提供しています。

10. スケーラブルな機械学習のトレーニングと予測

機械学習のトレーニング（特にディープラーニング）では、多くの場合、数時間から数週間に及ぶ膨大なコンピューティング リソースが必要になります。一方、機械学習の予測では、バッチ予測を実行しない限り、1 秒あたりの計算リソースが必要になります。多くの場合、クラウド コンピューティング リソースを使用することが、モデルのトレーニングと予測を完了するための最も便利な方法です。

11. クラウド GPU、TPU、FPGA

CPU クラスターでは、大規模なモデルと非常に大きなデータセットを使用した正確なトレーニングに必要なディープラーニングに 1 週​​間以上かかることがよくあります。 GPU、TPU、FPGA はすべてトレーニング時間を大幅に短縮でき、クラウドに配置することで必要なときに簡単に使用できるようになります。

12. 事前学習済みAIサービス

言語翻訳、テキスト読み上げ、画像認識など、多くの AI サービスは、事前にトレーニングされたモデルで適切に実行できます。すべての主要なクラウド サービスは、堅牢なモデルに基づく事前トレーニング済みの AI サービスを提供しています。

13. カスタマイズ可能なAIサービス

事前にトレーニングされた AI サービスでは、ユーザーのニーズを完全に満たせない場合があります。転移学習では、既存のモデルの上にいくつかのニューラル ネットワーク レイヤーをトレーニングするだけなので、モデルを最初からトレーニングする場合に比べて、比較的迅速にユーザーにカスタマイズされたサービスを提供できます。同様に、主要なクラウド サービス プロバイダーはすべて、名前は異なりますが、転移学習を提供しています。

14. 監視サービス

すべてのクラウド プラットフォームは少なくとも 1 つの監視サービスをサポートしているため、ユーザーは監視用にクラウド サービスを簡単に構成できます。監視サービスは通常、グラフィカルなダッシュボードを表示し、異常なパフォーマンス メトリックをユーザーに通知するように構成できます。

15. 分散サービス

分散方式で実行することでメリットを得られるサービスはデータベースだけではありません。彼らが直面している問題は遅延です。コンピューティング リソースがデータまたは管理対象プロセスから遠く離れている場合、指示や情報の送受信に長い時間がかかります。フィードバック ループの遅延が大きすぎると、ループが簡単に制御不能になる可能性があります。機械学習とデータ間の遅延が大きすぎると、トレーニングの実行に必要な時間が長くなる可能性があります。この問題に対処するために、クラウド サービス プロバイダーは、サービスを顧客のデータ センター (ハイブリッド クラウド) または顧客の工場現場の近く (エッジ コンピューティング) に拡張できる接続デバイスを提供しています。

16. エッジコンピューティング

分析と機械学習を地理的に機械や現実世界のオブジェクトに近づける必要性 (モノのインターネット) により、GPU やセンサーを備えたマイクロコンピューティング デバイスなどの特殊なデバイスや、エッジ サーバー、自動化プラットフォーム、コンテンツ配信ネットワークなどのそれらをサポートするアーキテクチャが生まれました。最終的に、これらのデバイスはクラウドに接続されますが、エッジで分析を実行する機能により、クラウドに送信されるデータの量が大幅に削減され、レイテンシが短縮されます。

次にクラウドの支出に関する不満を聞いたときは、クラウド コンピューティングの利点を指摘してみてはいかがでしょうか。クラウド イノベーションのどれか 1 つでも、その使用を正当化できます。総合すると、クラウド コンピューティングの利点は実に魅力的です。