AWS مقابل Google مقابل Azure: من سيفوز في Cloud War؟

في خضم هذا الوباء ، ما يتيح لنا مرونة غير مسبوقة في تحقيق تقدم تكنولوجي أسرع هو توافر أنظمة حوسبة سحابية مختصة متنوعة . من تقديم خدمات الحوسبة عند الطلب للتطبيقات والمعالجة والتخزين ، حان الوقت الآن لتحقيق أقصى استفادة من مزودي الخدمات السحابية العامة. علاوة على ذلك ، مع سهولة التوسع ، لا توجد قيود جغرافية أيضًا.

يمكن أن تدعم أنظمة التعلم الآلي إلى أجل غير مسمى لأنها مفتوحة المصدر وفي متناول اليد الآن أكثر من أي وقت مضى مع زيادة القدرة على تحمل التكاليف للشركات. في الواقع ، يقدم موفرو السحابة العامة المساعدة بشكل متزايد في بناء نماذج التعلم الآلي. لذا ، فإن السؤال الذي يطرح علينا هو - ما هي احتمالات استخدامها للنشر أيضًا؟

ماذا نعني بالنشر؟

يشبه بناء النماذج إلى حد كبير عملية تصميم أي منتج. من التفكير وإعداد البيانات إلى النماذج والاختبار. النشر هو في الأساس النقطة القابلة للتنفيذ في العملية برمتها ، مما يعني أننا نستخدم النموذج المدرب بالفعل ونجعل تنبؤاته متاحة للمستخدمين أو الأنظمة الأخرى بطريقة آلية وقابلة للتكرار وقابلة للتدقيق.

في حين أن الكثير من مزودي الخدمات السحابية قاموا بإنشاء حزم ML مخصصة ومخصصة ، إلا أن هناك خدمات خادم داخل الشركة و Heroku ، والتي توفر بيئة جاهزة وآمنة تسمح لك بالنشر بشكل أسرع. ومع ذلك ، هناك تحديات يواجهها مقدمو الخدمات السحابية بشكل جماعي.

ما هي التحديات؟

• النشر صعب!

خلافًا للاعتقاد العام ، فأنت لا تنشر التعليمات البرمجية فحسب ، بل تقوم أيضًا بنشر البيانات التي تنتقل بين الإدارات المختلفة بتنسيقات مختلفة تتغير مع تغير النموذج ، وهناك الكثير من المتغيرات المتحركة في النظام التي يمكن أن تكون عرضة لذلك.

• لا يوجد تجانس

غالبًا ما تكون تطبيقات ML من طرف إلى طرف مليئة بالمكونات المكتوبة بلغات برمجة مختلفة. يعتمد اختيار لغة البرمجة على حالة الاستخدام ويمكن استخدام Python أو R أو Scala أو أي لغة أخرى لبناء نماذج مختلفة.

• عمليات نشر ML ليست متجانسة

عمليات نشر نموذج التعلم الآلي ليست بالضرورة حلولًا قائمة بذاتها. يتم تضمينها أو دمجها بشكل عام في تطبيقات الأعمال المختلفة.

• اختبار نقاط الألم والتحقق منها

تؤدي تغييرات البيانات إلى عملية تطور للنماذج التي يتم من خلالها تحسين الأساليب أو تغيير تبعيات البرامج. في كل مرة يحدث مثل هذا التغيير ، يحتاج أداء النموذج إلى إعادة التحقق من صحته.

• تعقيد استراتيجيات الإطلاق

اعتمادًا على حالة الاستخدام ، تحتاج نماذج ML إلى التحديث بشكل متكرر أكثر من تطبيقات البرامج العادية.

• قضايا أمن البيانات

نظرًا لكون البيانات موردًا ضعيفًا ، فإن طبيعة المصادر المفتوحة لموفري الخدمات السحابية تثير بعض الدهشة. كانت الكثير من شركات القطاع المصرفي متخوفة من استخدام السحابة بسبب مشكلات أمان البيانات.

المتنافسون الثلاثة الأوائل

يمكن مقارنة AWS و Google Cloud و Microsoft Azure - وهي المنافسين الثلاثة الأوائل في السوق السحابية - بناءً على عدد قليل من المعلمات المهمة لتحقيق الاختيار الأفضل.

مصدر

AWS

وفقًا لتقرير Magic Quadrant الصادر عن Gartner ، تحتل AWS المرتبة الأعلى من حيث الرؤية والقدرة على التنفيذ. ما يجعل الأمر كذلك هو نهج AWS الذي يضفي الطابع الديمقراطي حقًا على الذكاء الاصطناعي من خلال تقديم الأدوات والخدمات التي تمكن جميع المطورين حتى أولئك الذين ليس لديهم خبرة سابقة في تعلم الآلة. إنها جذابة حتى للشركات الصغيرة حيث أن التسعير يعتمد على الاستخدام وليس الرسوم الشاملة. بالإضافة إلى ذلك ، هناك مجال كبير للمرونة والتخصيص والدعم لعمليات تكامل الجهات الخارجية.

مصدر

جوجل كلاود

تلتزم Google بجعل الذكاء الاصطناعي في متناول الجميع. تعمل Google على توفير مصادر مفتوحة لأدوات الذكاء الاصطناعي / التعلم الآلي ، وقد عمل المهندسون بنشاط على إجراء أبحاثهم ليتمكن الجميع من الوصول إليها. يعد الأمن السيبراني مجالًا مهمًا حيث تستخدم Google الذكاء الاصطناعي / تعلم الآلة لحل مشاكل العمل.

Chronicle ، وهي شركة تابعة لشركة Alphabet (الشركة الأم لـ Google) ، تم إعدادها جميعًا للاستفادة من خبرة Google AI / ML وتوفير قوة حوسبة غير محدودة تقريبًا لتطوير حل تحليلات أمان على مستوى عالمي. يمكن دمجه بسهولة مع خدمات Google الأخرى. خصم ضخم حقًا لتوفير التكلفة تقدمه Google Cloud هو تخفيضات على SUD أو خصومات الاستخدام المستدام. هذه هي الخصومات التلقائية التي يوفرها Google Cloud Platform للفترة الزمنية التي يستخدم فيها المرء النظام الأساسي.

مصدر

مايكروسوفت أزور

كسحابة عامة ، تتأكد خدمات Microsoft Azure من عدم اضطرار أي مستخدم لشراء أي جهاز أو برنامج لاستخدامه. يمكن استخدام Azure Machine Learning لأي نوع من أنواع التعلم الآلي ، من ML الكلاسيكي إلى التعلم العميق ، والإشراف ، وغير الخاضع للإشراف. يتم دعم معظم اللغات بما في ذلك Python أو R code أو خيارات الرمز الصفري / الكود المنخفض. أكبر نقطة هي سرعتها مع وقت تعطل مضمون أقل من 4.38 ساعة في السنة.

مصدر

دراسة مقارنة: AWS و Google Cloud و Microsoft Azure

دعونا نرى مدى جودة أدائهم في المعايير الأربعة التالية.

• سهولة الاستخدام ومنحنى التعلم

يمكن قياس الفرق في التقدم بين هذه الشركات من خلال مستوى الاستثمار وفشلها / نجاحها في اكتساب المعرفة. يؤدي منحنى التعلم الحاد إلى حدوث تباطؤ في اعتماد الصناعة ويتناسب بشكل مباشر مع الراحة التي يضفيها على تجربة المستخدم.

مصدر

• اعتماد الصناعة

كما ترى أدناه ، استحوذت AWS إلى حد كبير على حصة السوق عندما يتعلق الأمر بقياس اعتمادها من قبل العديد من الشركات الصغيرة والكبيرة. من المفيد أنها كانت واحدة من أوائل الشركات التي دخلت هذا السوق. تعد إحصائيات الاستخدام مؤشرًا على مدى سهولة استخدامها وكذلك مدى السرعة التي تسمح بها للمستخدمين بالوصول إلى مرحلة النشر وإثبات اتساقها.

مصدر

كلما زاد عدد العملاء الذين يفكرون في استخدام أي من السحاب ، زادت احتمالية بحثهم عنها على Google لفهم عروضهم. وفقًا لـ Google Analytics ، من الواضح أن الشعبية من حيث بحث Google عن خدمات Amazon Web كانت عالية باستمرار. كلما زاد البحث عنه ، زاد احتمال استخدامه على نطاق واسع.

لدى المؤسسة خيار استخدام العديد من موفري الخدمات السحابية لجعل نشر المنتج سلسًا قدر الإمكان. أيضًا لتجنب "تقييد البائع" ، تستخدم المؤسسات موفري خدمات سحابية مختلفين لحل مشاكل أعمالهم بأكبر قدر ممكن من المرونة. يُظهر تقرير حالة السحابة لعام 2019 من RightScale أن 84٪ من حجم العينة قد اعتمد إستراتيجية السحابة المتعددة.

مصدر

• البنية التحتية السحابية

يقدم مقدمو الخدمات السحابية العامة خدمات تستند إلى خوادم متعددة المستأجرين يتم مشاركتها. القدرة المطلوبة لحساب ومعالجة التغييرات غير المتوقعة هي عملاقة وهناك حاجة لتحسين طلب المستخدم عبر الخوادم المختلفة. على الرغم من تزايد شعبية النماذج التي لا تحتاج إلى خادم ، إلا أنه لا تزال هناك كثافة عالية للعمل الذي يجب معالجته.

مصدر

وفقًا لـ Stack Overflow ، وهو مجتمع شائع من المطورين هنا ، يمكننا قياس نسبة استخدام الأنظمة السحابية الثلاثة من خلال تحليلهم للأنماط بناءً على النسبة المئوية للأسئلة التي يتلقونها في شهر واحد.

مصدر

• التسعير

تتيح التكلفة المنخفضة للشركات الناشئة أيضًا اعتماد الخدمات السحابية. يجب أن تُبنى جميع عمليات البدء من الصفر. ما يمكن أن تفعله الحوسبة السحابية العامة لهم هو أمر هائل بمعنى أن رأس المال المطلوب للاستثمار في التسعير يمكن إدارته حتى يجدوا مستثمرًا طويل الأجل. يمكن أن تظل جودة المشروع دون مساومة. لكل من السيناريوهات أدناه ، يمكنك مراقبة سعر الساعة عند الطلب ثم سعر الساعة لكل جيجابايت من ذاكرة الوصول العشوائي لكل منها.

مصدر

كيف يمكن أن تساعد الغيوم؟

توفر أنظمة الحوسبة السحابية الرئيسية مثل AWS و GCP و Heroku و Azure و IBM cloud ملاذًا آمنًا لجميع الطامحين للبيانات والشركات ذات التمويل المحدود الذين يرغبون في استكشاف نماذج التعلم الآلي ونشرها بكفاءة. هذه الأنظمة رخيصة للعمل.

من خلال دفع بضعة دولارات للساعة في المتوسط ​​، يمكنك قيادة تطبيق التعلم الآلي الخاص بك على الفور تقريبًا! توفر السحابة العامة أيضًا تخزينًا رخيصًا للبيانات. يمكنك الاستفادة من قواعد البيانات الحقيقية أو أنظمة التخزين كمدخل للبيانات في التطبيقات التي تدعم التعلم الآلي.

توفر جميعها مجموعات مطوري البرامج (SDKs) وواجهات برامج التطبيق (APIs) التي تسمح للشخص بتضمين وظائف التعلم الآلي مباشرة في التطبيقات وهي تدعم معظم لغات البرمجة. القيمة الحقيقية لتكنولوجيا التعلم الآلي هي الاستخدام من داخل التطبيقات ، لأن أنواع التنبؤات التي يتم إجراؤها تركز بشكل أكبر على العمليات والمعاملات.

ومع ذلك ، سيكون من الإستراتيجية الجيدة للشركات أن تفكر في كلٍّ من داخل الشركة والسحابة ، حيث قد تكلف السحابة قليلاً في مرحلة التجريب. تحتوي السحابة أيضًا على أدواتها الخاصة التي تم إنشاؤها فوق الأدوات مفتوحة المصدر مثل Kubernetes و Dockers و Tf وما إلى ذلك. Kubernetes ، نظرًا لكونه أحد منتجات Google الشهيرة فهو نظام مفتوح المصدر لأتمتة نشر التطبيقات وتوسيع نطاقها وإدارتها ، ستعمل بشكل أفضل على Google Cloud Platform مقارنةً بالأنظمة الأساسية للمزودين الآخرين. قبل كل شيء ، سيكون من الضروري معرفة الأدوات المجهزة لاستخدامها من أجل اختيار أفضل خدمة سحابية لنفسه.

مصادر:

https://searchcloudcomputing.techtarget.com/definition/cloud-infrastructure#:~:text=Cloud٪20infrastructure٪20refers٪20to٪20the،of٪20a٪20cloud٪20computing٪20model.

https://www.leadingedgetech.co.uk/it-services/it-consultancy-services/cloud-computing/what-are-the-types-of-cloud-computing/

https://www.networkworld.com/article/3015121/think-you-can-skip-over-the-cloud-learning-curve-think-again.html

https://cio.economictimes.indiatimes.com/news/strategy-and-management/the-learning-curve-effect-why-cios-need-to-look-beyond-the-cloud-economies-of-scale/ 71813724

https://docs.microsoft.com/en-us/azure/machine-learning/overview-what-is-azure-ml

https://www.kdnuggets.com/2014/11/microsoft-azure-machine-learning.html

https://sada.com/blog/google-cloud/gcp-vs-aws-why-gcp-better-option-2019/

https://www.forbes.com/sites/moorinsights/2020/03/04/surprise-aws-leads-in-cloud-ai-services-ranking/#6f1ca29b5ff7

https://www.kdnuggets.com/2020/02/deploy-machine-learning-model.html

https://www.cbronline.com/news/aws-vs-azure-vs-gcp

https://www.business2community.com/cloud-computing/aws-vs-google-cloud-vs-azure-which-one-is-the-best-for-your-business-02180217

https://kinsta.com/blog/google-cloud-vs-aws/

https://vianalabs.com/aws-vs-azure-vs-google-cloud-which-is-best-for-me/

https://www.altexsoft.com/blog/datascience/comparing-machine-learning-as-a-service-amazon-microsoft-azure-google-cloud-ai-ibm-watson/

https://medium.com/@jaychapel/google-cloud-platform-vs-aws-is-the-answer-obstanding-maybe-not-c85623f7d86e#:~:text=When٪20it٪20comes٪20to٪20Google، السوق٪ 20 حصة٪ 20٪ 20 الكل٪ 20ree.

https://www.flexera.com/blog/cloud/aws-vs-azure-vs-google-cloud-pricing-compute-instances/

https://www.cloudhealthtech.com/blog/aws-vs-azure-vs-google