真正的私有云是,无论将最需要的工作负载放在哪里,都不应该受到影响。
无论企业的工作负载是在本地还是在公共云中运行,真正的私有云都能在性能上保持快速和高效。无论是将这些工作负载迁移到一个或多个公共云中,将它们完全保留在本地,还是将它们划分到多个云中,它们的性能都应该表现得非常好,用户不会感觉到性能下降。
IBM收购Red Hat将混合云的竞争推向了一个新高度
在最近的混合云行业新闻中,最引人注目的是IBM完成了对红帽的收购。正如Wikibon在宣布这笔交易时所说,它使IBM或Red Hat在帮助企业实现真正的私有云的竞争中处于有利地位。在这方面,IBM的Red Hat拥有的主要资产是IBM成熟的私有和公共云产品、Red Hat的OpenShift平台以及一个全球专业服务和合作伙伴生态系统,可以帮助客户实现现代化,并将他们的工作负载迁移到混合云环境。
合并后的IBM和Red Hat现在是真正的私有云领域的主要推动者。然而,Wikibon认为这次收购已经是旧闻,但并不仅仅因为它是9个月前首次公布的。
IBM和Red Hat的交易对市场的影响不像去年秋天那么大,因为整个云行业都在围绕混合云架构展开竞争。合并后的供应商现在在各个方面都面临着混合云和多媒体的竞争对手。想想看,自从IBM和Red Hat的交易首次公布以来,亚马逊网络服务公司、微软的Azure、谷歌云平台、甲骨文、VMware公司、戴尔技术公司和思科系统公司都发布了大量混合云的公告。
谷歌的人工智能基准测试结果标志着一个以性能为中心的新阶段
现在,云计算领域的每个人都在寻求这些机会,行业前沿已经转向说服企业IT部门,他们应该将最苛刻的工作负载转移到特定供应商的混合云平台。AWS、微软Azure和谷歌云平台等这些超大规模的云提供商应该在这些竞争中拥有明显的优势,它们是IBM和Red Hat在混合云领域扩大企业足迹的雄心的主要挑战者。
正是考虑到这一点,Wikibon才引起人们对最近发生的另一个低调行业公告的关注。内容是,谷歌宣布其最新一代AI优化超级计算机Cloud TPU v3 Pods在部署到Google Cloud时,其性能在最新一轮MLPerf基准测试竞赛中创下了一些记录。
来源:Google Cloud
Wikibon在一年多前开始追踪的MLPerf计划是一个新兴的全行业标准,用于衡量云、服务器、边缘设备和其他AI优化平台上的训练和推理工作负载的性能。它为今天人工智能部署中占主导地位的用例提供基准,包括计算机视觉、图像分类、对象检测、语音识别、机器翻译、推荐、情绪分析和游戏等。
谷歌的最新声明标志着混合云市场向纯粹的竞争转变的一个明显转折点,而竞争的基础是哪个供应商能够最好地扩展AI/ML工作负载的执行。谷歌最新发布的公告中最值得注意的是,它如何使用基准测试结果来支持它的观点,即云TPU Pod能够比运行在任何竞争对手平台上的相同工作负载更好地处理特定的人工智能训练工作负载。
据称,“谷歌云是第一个运行Transformer(用于机器翻译)、SSD(用于对象识别)和ResNet-50(用于计算机视觉)等大规模行业标准ML训练工作负载的公共云提供商。在Transformer和SSD中,云TPU v3 Pods训练模型的速度比MLPerf封闭部门中最快的内部系统快84%以上。”
我们应该像对待其他公司报告的基准测试一样对这些基准有所保留,不过谷歌打算扩大其基准的使用范围,以便在混合云领域与AWS和微软Azure争夺地盘。在推出Anthos混合云平台后不久,谷歌与思科,VMware,戴尔EMC,惠普企业有限公司,英特尔公司等硬件供应商合作,构建针对这些基准进行优化的完整混合云栈就不足为奇了。
行业标准的人工智能基准将加速混合云栈
随着时间的推移,这一基准投资热只会变得越来越商品化,它将成为一个至关重要的市场战略。在这方面,谷歌或多或少在其最新公告中表现出了其雄心壮志,Google表示:“我们致力于构建我们的AI平台,包括最新的GPU、云TPU和运行机器学习工作负载的最佳AI解决方案。云TPU将在性能、规模和灵活性方面继续改进,我们还将继续扩大云TPU工作负载的支持范围。”
其实Google计划提供预先打包的云TPU v3“切片”,使谷歌云平台客户能够以“合理的性能和价格”可靠地处理任何基准的大型AI/ML工作负载。
由于英伟达公司也表示自己在同类产品上取得了和谷歌同样优异的成绩,因此AI/ML基准战极有可能很快打响。英伟达的DGX SuperPod在训练表现方面创下了基准记录,包括三大规模的总体表现和五项基于加速器的表现。
考虑到英伟达是许多公共和私有云平台的主要AI硬件加速器提供商,其基准测试结果极有可能成为许多混合云解决方案提供商的定位策略。
客户应该关注什么
对于企业云专业人士来说,公告中最值得注意的是,IBM完成了对Red Hat的收购,谷歌发布了其云的MLPerf基准测试——标志着混合云和多云时代下一个阶段的开始。
未来,信息技术专业人士应该评估供应商的混合云投资组合,以确定他们能够在多大程度上快速、大规模、低成本地处理机器学习和其他人工智能工作负载。MLPerf基准测试正在成为衡量人工智能训练性能和推断硬件、软件和云服务平台上工作负载的标准行业框架。这些因素应该被考虑到对商业产品的评估中,并坚持要求供应商在基准测试竞赛中包含他们的AI优化解决方案。
我们应该认识到,这个和其他AI行业基准测试框架是不完整的。它们大多关注性能,但在衡量处理这些工作负载的商业混合云平台的效率、性价比方面却有所欠缺。
原文链接:https://siliconangle.com/2019/07/11/hybrid-cloud-computing-reaches-inflection-point/