為何要學習雲端?一探驅動各大科技領域成長的引擎!

作者:eCloudture 編輯:TibaMe行銷團隊

根據國際研究顧問機構 Gartner 公佈的最新預測, 2019 年全球 IT 總支出將達 3.76 兆美元,較 2018 年增加 3.2% 。 Google 雲端資深副總裁 Diane Greene 曾說:「 雲端已經不只是日常拿來儲存的工具,或是當作水電瓦斯般取用的運算能力,而是可以幫助企業獲利的工具。」雲端運算的浪潮來襲你準備好了嗎?今天我們將從以下兩大部分帶你搭上這波雲端浪潮!

(一)為何要學習雲端運算? (二)雲端技術是如何被應用的呢? 雲端運算遇上 IoT、Container、Big data和 AI/ML

相信你一定聽過物聯網( IoT )、容器服務 ( Container )、大數據( Big Data )、人工智慧/機器學習( AI/ML )等四大科技應用趨勢,那麼你知道當雲端遇上 IoT 、 Container 、 Big Data 、 AI/ML 會擦出什麼火花嗎 ? 以下我們將探討這四大技術是如何和雲端整合、創新、應用,帶你從雲端在各科技領域的發展與創新中了解到我們為何要學習雲端!

為何要學雲端
為何要學雲端?

為何要學習雲端?

Gartner 研究副總裁 John-David Lovelock 表示:「我們發現隨著企業採用物聯網裝置等新科技來推動數位商業,導致內部人員的技術出現落差,將近半數 IT 人員迫切需要開發新技術或技能,如人工智慧、機器學習、應用程式介面、服務平台設計以及數據資料,來支援他們的數位商業計畫。」而各領域所需之大量運算與儲存的工作皆需由雲端來支援,許多公司也正在從傳統的基礎服務設備轉向雲解決方案,以期各技術之開發成本大幅降低,因此目前不論是Amazon 、 Google 或 Microsoft 等雲端服務商都積極投入發展,雲端運算的就業市場迅速擴增,雲端人才的需求也就大幅提升!

以下我們將由雲端運算遇上 IoT 、 Container 、 big data 、 AI/ML 四大領域之面相深入探討其服務及應用,解析它們和雲端之間的關係、會擦出什麼樣的火花,並了解雲端運算對科技產業舉足輕重的地位!


雲端技術是如何被應用的呢?

當雲端運算遇上 IoT

一個萬物皆可聯網的時代即將到來,預估到了 2020 年時,市場上將有五百億個聯網裝置,「數位家庭生活」、「數位辦公室」等物聯網相關產品正如雨後春筍般出現在市場,那麼你知道「物聯網」究竟是什麼嗎?它是如何和雲端運算結合的呢?

物聯網的概念簡單來說是,將可以接受訊息但原本無法連上網路的物品,透過技術貼上電子標籤,讓所有能行使獨立功能的普通物體實現互聯互通的網路,拉近分散的資訊,以達到資料串聯,並統整物與物之間的數位資訊。當然只能接收訊息還不夠,當雲端主機接收到彙整後的巨量資料,並將訊息加以分析,得到使用者行為模式後能提供個人化服務,給予使用者有用的建議,就像人類大腦能對所有的訊息做出反應,由此可見雲端運算在萬物互聯的世界中顯示出了它的靈活性、擴展性和高性能。

當雲端運算遇上 IoT
當雲端運算遇上 IoT

物聯網的應用商品可說是擁有「一機在手,世界任我掌握」的超能力,可現實世界數位化,其應用範圍十分廣泛包括:運輸和物流領域( 智慧型供應鏈客製化 )、健康醫療領域範圍( 流行病控制 )、智慧型環境( 家庭、辦公、工廠 )領域、災害預測與犯罪防治等,具有十分廣闊的市場和前景。

以下我們以自動化溫室環控系統為例,農場的工作人員可透過物聯網裝置, 24 小時偵測土壤的水含量與作物吸水狀況,並透過無線網路傳遞資料到電腦中分析,依照不同的生長需求,將溫室內的環境條件調整到符合設定,「靠天吃飯」的農戶,將在很快的未來,得到「 天 」才知道的寶貴資料,轉變農作物種植的新視野。

當雲端運算遇上Container

相對之下容器服務對我們來說是比較陌生的,究竟容器服務是什麼?容器服務是一種虛擬化科技的作業系統,主要提供一個獨立與封閉的電腦資源,作為資源隔離程序執行,確保快速、可靠且一致的部署,你可應用每個儲存裝置如同一個獨立的套件以執行應用程式或相關服務,不須再仰賴於底層的計算環境。例如: CPU 、記憶體與應用程式組成要件(應用程式碼、依賴度)的虛擬環境。目前常見的容器雲端服務有docker、Amazon EKS、Kubernetes等。

而為什麼有越來越多 IT 技術人員選擇在雲端上使用容器服務呢?其服務的優勢大致可分為以下三點:

  • 任何環境下皆可順暢運作

開發人員最常面臨的問題之一為:從測試環境搬移應用程式到作業環境時,他們可能基於不同的作業系統或配置等其他原因,導致相同的應用程式無法順暢運作。善用容器服務後,應用程式能夠在任何平台下運作,其可攜帶性使得不管是從測試環境轉移至作業環境還是從桌面裝置至雲端,甚至是從雲端至其它地方都能夠快速且順暢的運行。

  • 強化開發人員之開發效率管道

藉由容器化應用程式進行標準化,使應用程式可以在各個不同的環境都順暢運作,不僅消除環境不一致性的影響更能提升開發速度。開發人員可以專注於找出應用程式本身的錯誤,而非改善由改變運作環境帶來的問題。

  • 資源與作業效率最大化

容器架構擁有快速建置、部署、擴充的優勢,也因此擁有更佳的營運效率,其與虛擬機( VM )相較之下佔用更少的 CPU 與記憶體資源,因此能有更多容器架構可以在同台伺服器中運作。

當雲端運算遇上 Big Data

麥肯錫在其書《大數據:創新、競爭和生產力的下一個新領域》中,指出大數據將成為企業競爭的關鍵基礎,並成為下一波生產力提升、商業創新以及為消費者創造價值的支柱,這波海量的數據資料如一股洪流注入了世界經濟,一步步改變全球商業模式的面貌,成為未來技術與應用的主流,也讓存儲與運算功能同時更形重要。

傳統資料中心早已不符合高密度訊息的網路數據處理與儲存模式,現代的資料中心在設計上更注重按照訊息分類儲存的需求,要靠搜尋在短時間內讓使用者從龐大的訊息庫中找到資料、甚至將這些資料解析成有用的數據,就是一個相當巨大的挑戰,而雲端運算提供使用者端載具的輕量化與輕便化實現了這樣的需求,其中最重要的是巨量資料產業成功的關鍵因素:速度

當雲端運算遇上 Big Data
當雲端運算遇上 Big Data

你應該不會想要在開車獲取道路資訊時,因為資料中心運算過久,導致資料回傳給車子過慢,最終導致災禍的產生,在接近「 萬物連網 」的世界,運算的速度自然是越快越好,當然這也讓資料中心的設計越來越複雜化,因此造就了全新的雲端運算儲存發展。

以前企業因資料儲存空間不足以及硬體儲存設備費用高昂的限制,導致企業主要是先把顧客的使用資料先保留下來成為歷史資料,後續再慢慢透過資料採礦的方式進行資料整理,分析出消費者的行為模式,做為企業做行銷決策時的輔助,但這種傳統決策輔助模式的回饋速度太慢,無法在消費者購買行為發生的當下,依據顧客實際需求採用適當的即時購買建議,而錯失了當下促成此交易完成的機會。

而有了雲端運算的助攻,數據分析讓企業迅速了解消費者行為,大數據在雲端完成資料蒐集與運算,從各種數據中找出線索、趨勢以及商機,讓更多企業與組織能夠獲得大數據所帶來的珍貴洞察(Insight)!現在我們只要在搜尋欄上彈手一敲,就能有相關資訊一併跑出,這就是 Big Data 貼近你我的生活應用,更令人期待的是,只要資料夠多,海量資料不只能提供「 後見之明 」, 甚至可以預測大自然的變化、人們的購物行為。

當雲端運算遇上 AI/ML

AI改變世界的速度比你想像更快!自從 Google DeepMind 圍棋人工智慧 AlphaGo 打敗世界各國最頂尖的人類棋手後, AI 人工智慧的發展應用就已經成為不可擋的產業趨勢,目前在零售業、金融業等領域,有很多應用都已經看得到人工智慧的影子,但也還是有很多應用等著被開發。

簡單來說,機器人像是人的「身軀」,人工智慧則是人的「腦」,機器學習就是將兩者合為一體。「機器學習 」是指計算機模擬或實現人類的學習行為,其能透過經驗,自動修正計算機的演算法,以獲取新知或技能,重新組織原有的知識結構,不斷改善自身性能,它並非只是用於處理資料庫問題,它屬於人工智慧(AI)的分支,讓機器可以自動學習,從巨量資料中找到規則,進而有能力做出預測。(參考資料來源: 維基百科 、 MBA 百科 )

但在某些領域,人才和資源的稀有讓人工智慧或機器學習的發展仍然有很大的阻礙,因為不是每家公司都有能力可以負擔,因此我們可以說:「 雲端是理想的AI/ML平台。」它可讓更多開發者、使用者和企業都能夠更容易取得、應用人工智慧和機器學習資源。

Amazon 語音助理— Alexa 

而 Amazon 之語音助理— Alexa 可說是 AI/ML 結合雲端技術相當成功的經典案例。如 Amazon 創辦人貝佐斯所說:「 AI 是未來10年的科技趨勢。」 2019 年初, Amazon 宣布旗下的 Alexa 智慧語音助理產品累計至今已銷售超過1億台的規模,拿下 32% 的全球市占率,亞馬遜坐上全球市值王寶座,進一步凸顯 AI 人工智慧為企業帶來加分效用。Amazon智慧家庭副總裁 Daniel Rausch 在 IFA 大會上公佈了 Alexa 的各項數據:全球範圍內,已經擁有 50000 個功能,與 20000 種設備相容,並與超過 3500 個品牌合作。眾多智慧硬體設備都內嵌了 Alexa 語音功能,例如:手機類、家庭機器人、LG 智慧冰箱、三星掃地機器人、福特車載信息娛樂系統等,由此可見語音助理廣泛應用的趨勢。

結語

你有發現其實上述各領域之間的關係是密不可分的嗎?現今全球製造業近年來紛紛導入各種資訊科技,包括:物聯網(IoT)、容器服務(Container)、大數據(Big Data)、人工智慧/機器學習(AI / ML)等,以精進製造技術,試圖達到提升製造精度、效率及降低成本等目的,雲端運算則是在各領域中展現出它的靈活性、擴展性和高效能

立即點擊學習更多關於深度學習,購課輸入”2020TibaMeBlog”享TibaMe Blog讀者專屬非早鳥課程95折優惠

發表留言

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料