除了效益和成本，云部署还应该考虑什么？

通过接近逃离数据引力

如果你准备在TensorFlow上部署并运行一个大规模的机器学习模型，你可能会认为将其部署到公有云是最好的选择。Amazon SageMaker、Azure machine Learning 和 GCP 的 TensorFlow Enterprise 都是数据科学家可以用来试验、开发、测试和部署生产深度学习模型的选项。这些公有云中会有一个是最佳选项吗？

如果我告诉你，该模型每30天都要针对跨企业数据中心的多个数据仓库和数据湖的多PB 数据集重新训练一次，那么将所有这些数据移动到公有云，以便在那里训练机器学习模型，是否更高效、更具成本效益？还是在靠近所有数据所在的私有云中训练机器学习模型会更好？

如果我正在配置基于事件驱动架构的控制系统，该怎么办？另外，如果这是一个需要从数十个SaaS平台收集行为数据的大型广告公司，那么我可能会将系统部署到公有云中。但如果这是一家是制造商，数据来自数以千计的物联网传感器，而工厂却位于南美洲的偏远地区，我是否还应该在边缘部署私有云来执行此数据处理？

这些示例说明了在考虑公有云与私有云部署时的两个重要概念。第一个是数据引力，该术语表明大型数据集对其使用的应用程序和服务具有引力。将这些应用程序和服务部署在它们最大的数据集附近，可以让它们运行得更快、更便宜、更可靠。第二个是延迟，当操作在远程时，延迟可能是一个重要因素，它使高带宽和可靠的连接变得不可用也不昂贵。在这些情况下，在边缘部署的私有云可提供性能和成本优势。

构建需要人身安全的应用程序

由于大多数架构良好的电子商务应用程序都可以在公有云或私有云中很好地运行，因此公司在做决策时通常会考虑成本、合规性和其他运营因素，对于许多支持业务工作流、分析、交易和协作的应用程序也是如此。

但是将人身安全作为设计考虑的因素，你可能会有不同的感受。医院要求医疗系统在本地运行，因为没有人希望，在有机器人辅助的手术过程中，因公有云中断而停止手术。

智慧建筑和智慧城市实施的架构师必须策略性地考虑在私有云和公有云之间分发服务，并且他们肯定希望在混合模型中部署对生命至关重要的服务。

构建数字和物理世界的交叉体验

在接下来的十年中，我们将见证越来越多将物理世界和数字世界连接起来的应用程序。企业架构师必须考虑混合架构，来优化这一交叉点上不断增长的参数列表，其中包括用户体验、性能、可靠性、可扩展性和可维护性。

罗克韦尔自动化公司企业架构副总裁 Todd Mazza 分享了他的看法。他说：“在未来五年左右的时间里，我生产车间里的某些地方可能依旧不会进入混合云或公有云。但是，如果我能证明，我可以用更低的成本生产更多更可靠的产品，我可能会更快地向混合云发展。”

随着越来越多的企业开始大规模利用物联网、5G 和人工智能开发应用程序，风险也在随之增加。

这意味着，越来越多的应用程序将对架构、云和基础设施的决策作为关键的设计考虑因素。虽然在公有云上实施概念验证或轻量级移动应用程序可能是一个简单的决定，但更多关于关键任务、支持生命的应用程序和数据密集型的应用程序可能需要混合多云部署。

本文来自【计算机世界】，仅代表作者观点。