AWS vs Google vs Azure：谁将赢得云战争？

在这场大流行中，使我们能够以前所未有的灵活性更快地取得技术进步的是各种称职的云计算系统的可用性。 从为应用程序、处理和存储提供按需计算服务，现在是充分利用公共云提供商的时候了。 更重要的是，由于易于扩展，也没有地域限制。

机器学习系统可以无限期地得到他们的支持，因为它们是开源的，并且现在比以往任何时候都更触手可及，并且企业的负担能力有所提高。 事实上，公共云提供商在构建机器学习模型方面越来越有帮助。 所以，出现在我们面前的问题是——将它们用于部署的可能性是什么？

我们所说的部署是什么意思？

模型构建非常类似于设计任何产品的过程。 从构思和数据准备到原型设计和测试。 部署基本上是整个过程的可操作点，这意味着我们使用已经训练好的模型，并以自动化、可重复和可审计的方式将其预测提供给用户或其他系统。

虽然许多云提供商已经创建了定制和专用的 ML 堆栈，但也有本地服务器服务和 Heroku，它提供了一个现成且安全的环境，让您可以更快地进行部署。 然而，云提供商共同面临着挑战。

有哪些挑战？

• 部署难！

与普遍看法相反，您不仅在部署代码，而且本质上还在部署在各个部门之间以各种格式移动的数据，这些数据随着模型的变化而变化，并且系统中有大量的移动变量这可能很容易受到影响。

• 没有同质性

端到端 ML 应用程序通常充满用不同编程语言编写的组件。 编程语言的选择取决于用例，Python、R、Scala 或任何其他语言都可用于构建不同的模型。

• ML 部署不是单一的

机器学习模型部署不一定是独立的解决方案。 它们通常嵌入或集成到各种业务应用程序中。

• 测试和验证痛点

数据更改会导致模型的演化过程，其中方法改进或软件依赖关系发生变化。 每次发生此类更改时，都需要重新验证模型性能。

• 发布策略的复杂性

根据用例，ML 模型需要比常规软件应用程序更频繁地更新。

• 数据安全问题

由于数据是一种易受攻击的资源，云提供商的开源性质确实引起了一些人的注意。 由于数据安全问题，许多银行业公司一直对使用云感到担忧。

前三名的竞争者

AWS、Google Cloud 和 Microsoft Azure 作为云市场的前三名竞争者，可以在几个重要参数上进行比较，以做出最佳选择。

资源

AWS

根据 Gartner 的魔力象限报告，AWS 在愿景和执行能力方面均名列前茅。 之所以如此，是因为 AWS 的方法是，它通过提供工具和服务来真正实现人工智能的民主化，这些工具和服务能够支持所有开发人员，甚至是那些之前没有 ML 经验的开发人员。 它甚至对小型企业很有吸引力，因为定价是基于使用量而不是一揽子费用。 此外，还有很大的灵活性、定制和支持第三方集成的空间。

资源

谷歌云

谷歌致力于让所有人都能使用人工智能。 谷歌一直在开源其 AI/ML 工具，工程师们一直在积极推出他们的研究供所有人访问。 网络安全是谷歌利用 AI/ML 解决业务问题的关键领域。

Chronicle 是 Alphabet（谷歌的母公司）的子公司，它将充分利用谷歌的 AI/ML 专业知识并提供近乎无限的计算能力来开发世界级的安全分析解决方案。 它可以轻松地与其他 Google 服务集成。 Google Cloud 提供的一个真正巨大的节省成本的折扣是 SUD 或持续使用折扣。 这些是 Google Cloud Platform 在用户使用该平台期间提供的自动折扣。

资源

微软天青

作为公共云，Microsoft Azure 服务确保用户无需购买任何硬件或软件即可使用它。 Azure 机器学习可用于任何类型的机器学习，从经典 ML 到深度学习、监督和非监督。 支持大多数语言，包括 Python 或 R 代码或零代码/低代码选项。 它最大的优点是它的速度，每年保证的停机时间少于 4.38 小时。

资源

比较研究：AWS、谷歌云和微软 Azure

让我们看看它们在以下四个参数上的表现如何。

• 使用方便和学习曲线

这些公司之间的进步差异可以通过投资水平和他们在获取知识方面的失败/成功来衡量。 陡峭的学习曲线会导致行业采用速度放缓，并且与它赋予用户体验的便利性成正比。

资源

• 行业采用

正如您在下面看到的，在衡量各种小型和大型企业的采用情况时，AWS 几乎占据了市场份额。 它是最早进入这个市场的公司之一，这很有帮助。 使用情况统计表明它们的使用容易程度以及它们允许用户达到部署阶段的速度以及它们的一致性证明。

资源

客户越多考虑使用哪种云，他们就越有可能在 Google 上搜索以了解他们的产品。 根据谷歌分析，这显然表明谷歌搜索亚马逊网络服务的受欢迎程度一直很高。 它被搜索得越多，它被广泛使用的可能性就越大。

企业确实可以选择使用多个云提供商来使产品部署尽可能顺利。 同样为了避免“供应商锁定”，组织正在使用不同的云提供商来尽可能灵活地解决他们的业务问题。 最近的 RightScale 2019 云状态显示，他们 84% 的样本量采用了多云策略。

资源

• 云基础设施

主要的公共云提供商提供基于共享的多租户服务器的服务。 计算和处理不可预测的变化所需的容量是巨大的，并且需要跨不同服务器优化用户需求。 尽管无服务器模型的普及率正在上升，但仍有高密度的工作需要处理。

资源

根据 Stack Overflow，这里是一个受欢迎的开发者社区，我们可以通过他们根据一个月内收到的问题百分比分析模式来衡量三个云系统的使用份额。

资源

• 价钱

较低的成本使初创企业也能够采用云服务。 初创公司的所有流程都必须从头开始构建。 公共云计算可以为他们做的事情是惊人的，因为可以管理投资定价所需的资金，直到他们找到长期投资者。 项目的质量可以保持不打折扣。 对于以下每种情况，您可以观察每小时按需价格，然后是每 GB RAM 的每小时价格。

资源

云如何提供帮助？

AWS、GCP、Heroku、Azure 和 IBM 云等主要云计算系统为所有希望探索机器学习模型并有效部署它们的数据渴望者和资金有限的公司提供了一个安全的避风港。 这些系统运行起来很便宜。

通过平均每小时支付几美元，您几乎可以立即驱动自己的机器学习应用程序！ 公共云还提供廉价的数据存储。 您可以利用真正的数据库或存储系统将数据输入到支持机器学习的应用程序中。

它们都提供软件开发工具包 (SDK) 和应用程序接口 (API)，允许将机器学习功能直接嵌入到应用程序中，并且它们支持大多数编程语言。 机器学习技术的真正价值在于在应用程序中的使用，因为所做出的预测类型更侧重于操作和事务。

但是，对于公司来说，同时考虑内部部署和云将是一个很好的策略，因为云在试验阶段可能会花费一些。 云还拥有在 Kubernetes、Dockers、Tf 等开源工具之上创建的自己的工具。Kubernetes 作为一种流行的 Google 产品，是一个用于自动部署、扩展和管理应用程序的开源系统，但它在 GCP 上会比在其他提供商平台上运行得更好。 最重要的是，了解一个人可以使用哪些工具以选择最适合自己的云服务至关重要。

资料来源：

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-obvious-maybe-not-c85623f7d86e#:~:text=When%20it%20comes%20to%20Google, market%20share%20of%20all%20three.

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