2017谷歌火力全开：瞄准机器学习与数据分析

文 | Trevor Jones  译者 | 蒋红冰

2016年，Google将赌注的筹码放在了机器学习和数据分析上，以此来区分它的云平台，从而在企业客户中产生重大影响力。

2016年，Google消除了其在云承诺上所有持续问题，因为其战略在未来几年将成为企业市场的主要参与者。

该公司花了数百亿美元，为Google Cloud Platform(GCP)建立基础设施、服务和人才库。因此，它不再强调价格是主要的区分因素，而是侧重于企业需求、数据分析和一套用于推动应用的技术。Google 表示未来主导将这一行业。

机器学习对于许多IT企业来说仍然太新，但Google已经把它作为云计算的未来。2016年，它增加的新服务包括用于服务和新版翻译的机器智能套件、文本分析，以及图像和语音识别。

TensorFlow 是2015年的一个开源机器学习框架，且获得了Tensor处理单元的大力支持。针对TensorFlow量身定制的专用集成电路已经在Google内部使用一年多了，并且承诺每瓦更好 的性能。2017年，Google计划为其机器学习和Google Compute Engine客户添加GPU。

Kubernetes是Google内部编排工具的开源版本，巩固了其在过去一年中作为容器主要技术的地位。Kubernetes集群在设置和升级是存在挑战，因此Google Container Engine (GKE)获得了更的注意力，因为它处理这些问题，并提供与Kubernetes发布周期紧密一致的更新。

Lytics 公司的CEO兼联合创始人Aaron Raddon说，“GKE扩展了，而还有效运行了。这是无后顾之忧的，很难与之竞争。

Vendasta Technologies为媒体企业构建了销售和营销软件，它是Google App Engine的重要用户，但它已经转移到了微服务模型和GKE上。Saskatoon公司 首席架构师Dale Hopkins说，该公司将API从JSON转换为gRPC，极大地改善了客户的存档和交付。

“我们没有把一切都放在容器中，但我们联系的很紧密，”他说。

2017年，企业的舞台在哪里

Google在全球扩张方面进行了大量投资，以解决数据距离和数据驻留问题;并在2016年增加了两个新区域，使其总数达到了六个。该公司计划在2017年每月开设一个新区域。

Google通过Spotify和Evernote高调地赢得了胜利;同时，花旗、高盛和其他金融行业的重量级公司已经认可了它的技术。其他的大客户还包括可口可乐、迪斯尼、梅西和索尼，但谷歌仍然缺乏传统旗舰 企业使用其平台。

为了专门应对企业市场，Google和埃森哲 将为零售、医疗、能源、金融和其他行业开发特定行业的服务。

“你开始看到更多的对市场和参与市场的承诺 。”埃森哲云部门的全球总经理Michael Liebow表示：“他们正在加倍，甚至三倍努力，以吸引更多的合作伙伴和更多的客户。”

Googlege还添加了对企业很重要的新安全功能，用于身份和访问管理以及客户提供的加密密钥，同时它也满足国际合规标准，保护客户数据。

2016年的多重收购对GCP起到了支持的作用，最值得注意的是Apigee公司，它提供了一系列API管理服务，比Amazon Web Services(AWS)上的内容更加企业友好。

Google将多个不同的业务单元归入Google Cloud下，这些业务包括：更名为GCP 的G Suite应用、机器学习工具，API和连接到云端的Google设备 。新的有限访问咨询服务，即客户可靠性工程，为应用的可靠性提供了共同的责任模型，旨在帮助Google和企业客户彼此了解操作技能。

当然，如果Google希望赶超竞争对手并满足企业需求，它仍有大量工作要做。行业观察者通常将它与AWS和微软Azure看作三个超大规模的提供商，虽然它是千年老三。

与不建议反对多云策略的亚马逊不同，Google 需要这种模式，来避免AWS在市场上大规模领先的东西。 为此，它推动了Kubernetes等服务，如Stackdriver，它监测日志，并执行GCP和AWS上的应用诊断。

谷歌也遇到了成长的烦恼，就如同AWS早期时候一样。 最值得注意的是，由于2016年的网络故障，GCP经历了多次中断和服务中断。

Google：大数据也是大事件

数据分析仍然是GCP的关键，包括Dataflow、Dataproc和Pub / Sub等服务。BigQuery206年已经升级，支持了StandardSQL，并与Microsoft Excel这样的工作集成，改进了监控和精细安全策略，简化的了特定日期 数据分区。

此外，还增加了多区域存储和流水线存储类。 除了Coldline之外，Google还增加了生命周期管理来自动化 数据转换;另外，Coldline冷存储提供了快速的检索时间。

除了使用GKE之外，对于大数据服务的改进，和GCP已经在其工作负载中集成的机器学习(包括Bigtable，Pub / Sub和Vision API)，Lytics 看到这些感到很高兴。 Raddon说，Google已经稳步地进行了改进了，平台现在更简化，核心服务功能更丰富，并没扩展太多不同类的服务。

End.

转载请注明来自36大数据（36dsj.com)： 36大数据 » 2017谷歌火力全开：瞄准机器学习与数据分析