随着企业越来越多地采用多云战略挑战：
-
集成复杂性：
管理跨不同云提供商的服务器可能需要集成多个管理工具和接口。
-
成本管理：
跨多个云提供商跟踪和优化成本可能具有挑战性。
-
安全性和合规性：
确保多云环境的安全性和合规性需要考虑多个云提供商的政策和要求。
-
技能短缺：
具有多云服务器管理技能的合格专业人员可能很难找到。
结论
多云服务器管理对于优化多云环境的性能和效率至关重要。通过遵循最佳实践、利用管理工具并应对挑战，企业可以充分利用多云战略的优势，提高应用程序性能、降低成本、提高敏捷性和弹性，并增强安全性和合规性。
解析云原生 2.0 架构设计的 8 大关键趋势
云原生2.0是企业智能升级新阶段，企业的云化从“ON Cloud”走向“IN Cloud”，当一切应用都生于云，长于云，云架构的迭代也会进入一个新的阶段。
围绕云原生2.0，华为云首席架构师顾炯炯提出了8个关键模式： 分布式云，混合调度，应用驱动基础设施，存算分离与数据治理自动化，可信、平民化DevOps，基于软总线的异构集成，多模态可迭代AI模型，全方位立体式云安全。
分布式云
随着云化和数字化渗透到制造类、工业互联网类场景，5G技术在to B领域应用的快速成熟，以及物联网 、AI技术的成熟，现在云的服务对象不仅是企业的后台IT支撑系统，它延伸到了前端的“现场”，类似于工业场景里的近场计算。
如果还是将所有的数字化应用系统都放在集中的数据中心，它的时延无法满足实时生产系统的要求。
另外，有一些行业的敏感数据不能从现场或者数据产生地直接简单的上传到云端，它存在数据安全、隐私保密的问题。
再比如医疗里的基因大数据、视频监控等场景，如果所有数据都上传到云端，带宽的成本非常高昂。
所以，我们必须要引入云边端协同的分布式概念，构建分布式云的架构。
这个架构可以和核心侧架构配合，覆盖核心区域、热点区域、本地机房、业务现场等不同接入时延敏感度，数据隐私合规要求及数据上云带宽成本的应用上云场景。
举个例子，通过这样的方式，可以把云端的很多算力和计算逻辑，甚至是训练好的AI模型推送到更加靠近用户数据产生地的位置上，进行就近的计算，将海量的数据做一定的收敛、分析、脱敏等，再发送到云端进行闭环的处理和控制反馈。
混合调度
在很多算法专家的努力下，华为云通过瑶光调度平台大大提高了资源的分配效率，达到甚至超过了80~90%的程度，已经接近于业界的领先水平。
但是资源的实际利用率仍然处在一个比较低的水平，当然业界平均也不是特别理想，领先者差不多20%左右。
为了解决这样的问题，华为云引入混合调动、柔性计算的能力，将在线和离线的不同优先级的业务，进行QoS感知的智能调用，实现资源利用率最大化。
柔性计算不仅仅具备弹性的特征，保证了横向的资源扩展，而且它也能实现纵向资源规格的可大可小。
目前，消费者云已经在内部验证了柔性计算的能力，可以在不改变上层业务的前提下提高利用率，实现性能的倍增。
关于柔性计算的更多内容参考 华为云首席架构师顾炯炯：敢为人先，探索架构创新之路如何走。
应用驱动的基础设施
如今，软硬件的垂直整合，特别是靠近操作系统底层的硬件和云服务基础设施层的服务软件之间的纵向整合能力，成为新的趋势，它把基础设施服务底层的硬件和相应的服务封装层打包在一起。
云服务厂商可以设计研发定制芯片，比如存储和网络的硬件卸载的芯片、匹配深度学习逻辑处理框架的芯片等等。
如果有能力构建这样的软硬件垂直整合的能力，就能拥有相比其他云服务商更优的价格优势，也得以呈现自身独特的硬件、芯片优势。
有了应用驱动的基础设施之后，根据应用的性能SLA需求，来定义是使用与软件完全解耦的通用硬件资源，还是匹配应用场景特殊诉求的软硬件深度协同的卸载卡或异构计算资源。
这也能发挥华为软硬件兼长的优势，我们在硬件领域有不少核心创新：一个是 SDI， 叫软件驱动的基础设施，也就是把分布式存储\分布式网络，还有Hypervisor的一些系统能力从服务器卸载到PCI卡上，也即SDI/擎天卸载卡。
二是鲲鹏硬件支撑云存储和数据湖的处理， 鲲鹏单核处理能力虽弱于X86，但核密度则达到X86 CPU的2倍，因此在对IO及内存带宽作为其性能瓶颈的大数据及分布式存储场景，是比X86更好的选择。
同时，我们也在用自研的升腾NPU取代GPU构建AI平台， 它在深度学习的训练推理中体现出更高的能效比。
存算分离和数据治理的自动化
未来企业的所有的数据孤岛都将汇聚到云端的数据湖，进行统一生命周期的治理和管理，所以必须要解决数据计算分析的资源需求。
数据湖里有各种各样的结构化、半结构化、非结构化的数据，但这些数据的分析计算和底层的存储容量之间的需求，并不是线性匹配的关系。
比如对于深度学习的场景，数据量需要不断的计算迭代，它需要更多的计算能力，相对较少的存储需求。
因此在不同的业务场景下，数据分析计算和存储的要求是不一样的，最终一定要走向存算分离。
在存算分离领域里面，华为云已经积累优势，从最早的去中心化的分布式存储引擎FusionStorage开始，七年磨一剑，我们从内部验证到向外部的推广，从块存储延伸到对象存储、文件存储、分布式的集群数据库，把原先在开源架构里五花八门的底层存储技术引擎架构实现了统一。
经过实际的测试，在业界同样支持存算分离数据湖架构的云场景中，华为云体现了领先30-60%以上性能优势。
再就是数据治理自动化。
现在的数据治理的还是人力密集型工作，整个过程非常低效，很难满足很多行业的要求。
所以在这个架构模式里面，除了存算分离的数据库，还要构建数据治理自动化。
通过引入AI的技术，将数据的获取、清洗以及最终数据知识的提取，主题库的建立、数据目录的发布，都实现完全的自动化。
用户只需要指定入湖的数据源和所属业务主题域，系统自动化创建入湖任务，底层资源根据入湖数据量自动扩缩容，智能完成入湖数据的安全等级、分级分类、隐私等级等数据标签的自动识别打标。
这个能力对企业数据资产的快速沉淀能力的构建是至关重要的。
可信、平民化DevOps
通过将一系列安全可信措施嵌入到敏捷开发运维模式， 构建所谓的DevSecOps流水线，实现敏捷快速迭代与严格质量管控兼顾；并通过低代码/无代码实现更多行业应用资产的沉淀， 将行业应用的开发效率再上一个新台阶。
Devops实现了应用的敏捷开发，但在面向政企时，还需要满足应用质量和安全可信的要求。
因此在遵循DevOps的同时，将安全能力集成到其中，升级成为DevSecOps。
使用安全左移、默认安全、运行时安全、安全服务自动化/自助化、基础设施即代码（IaC）等技术， 实现管理与协同、设计与开发、CI/CD、应用管理、运维、安全可信等各个环节的一体化趋势。
此外，由于传统政企开发投入有限，需要通过低码化无码化，来实现对应用进行快速构建及改造。
华为云低代码平台AppCube可支持多种页面类型和丰富的组件能力，基于它的服务能力编排和业务流程无代码定制，可实现灵活流程触发方式、多种权限配置方式、自定义业务编排等。
基于软件总线的异构集成
即帮助企业构建可平滑演进的IT架构， 实现老旧应用与新建云原生应用，线上与线下应用的平滑融合集成。
云原生下，企业很多应用都要进行微服务解耦，遵从微服务的治理架构，进行水平扩展的架构的设计，甚至把原来的单体架构逐步进行拆解。
但这个过程不是一蹴而就的，尤其是那些包袱比较重的传统行业，他们还面临很多现实的挑战。
所以我们要在企业传统IT架构和云原生架构之间搭建无缝的桥梁，在确保企业业务连续性最大化的前提下，实现平滑的切换和演进。
以Roma Connect为例，它可以通过软总线的形式，把云原生和非云原生的传统世界无缝的连接起来，支持异构的应用和数据库源的对接，也可以对接到云上开发平台、数据湖，实现无缝互通。
在架构的平滑演进中，首先需要将传统非云原生应用封装为REST接口与云原生应用对接，通过统一接口服务层APIC进行开放，业务云原生应用通过标准接口即可获取老系统信息。
同样的机制可以将线上线下，及部署在多云环境上企业IT系统的无缝互通。
其次传统Oracle/Sybase等传统数据库及中间件与设备协议接入上云：云上云原生应用通过云上标准API调用、数据库访问、消息订阅等方式即可获取传统数据。
最后，通过全生命周期的API管理能力，包含从设计、发布、上架、治理的全过程，帮助企业构建整个跨地域，跨组织、跨部门的应用网络，并沉淀行业应用资产。
多模态可迭代的AI模型
AI在行业落地面临的问题是能够获取到的训练数据是非常有限的，单纯的依赖数据驱动的深度学习训练，使得行业AI模型是非常难以泛化、通用化。
预训练大模型是解决AI应用开发定制化和碎片化的重要方法。
通过一个AI大模型实现在众多场景通用、泛化和规模化复制，减少对数据标注的依赖，赋能AI开发由作坊式转变为工业化开发，比如华为云之前推出的盘古大模型。
另外也要引入知识计算的能力， 类似于把知识图谱这样的能力和基于感知计算的数据驱动的AI模型互补结合起来。
也就是说把知识模型和数据模型，在数据样本相对缺少的情况下结合在一起，更好服务于行业AI的落地。
帮助企业打造自己的知识计算平台，整合分散在不同系统、多种形态的企业数据，形成带有建议性的知识体系。
全方位的立体式云安全
1.0阶段的云安全服务更多的是孤立的安全能力：虚拟化安全，hyporvisor防逃逸能力，云防火墙能力其实都是割裂的，并没有跟所有的云服务形成互锁。
全方位的立体式运营安全通过打通离散的云安全服务能力，将其与其他云服务及客户应用形式互锁， 构建安全Build-in的云原生应用，以及引入可信智能计算，解决跨行业数据隐私保护与流通碰撞、价值挖掘之间的矛盾。
首先通过可信智能计算提供四个核心能力，进行安全可信的数据计算。包括：
1、跨组织、跨行业的多方数据融合分析和多方横向与纵向联邦学习建模；
2、支持对接主流数据源和深度学习框架；
3、支持安全多方计算（例如同态加密，差分隐私等），并支持用户自定义隐私策略；
4、基于区块链的数据计算轨迹的可追溯可审计。
此外，为了全方位安全，还需要将全栈云（及其子集）下沉部署（连线/非连线），彻底解决敏感行业上云安全顾虑，以及将全栈云服务、企业新开发云原生应用、aPaaS/SaaS等与全栈云安全能力互锁，为用户构建体系化的云安全平台。
本文分享自华为云社区，作者：技术火炬手。
为什么说提高数据库管理效率可以帮助企业发展核心业务？
其实这就是一个此消彼长的问题。
企业就好比是一个人，精力是有限的，假如在这个事情上花费的精力过多，那就必然没有太多精力搞好其他的事。
同理，数据库管理是一项非常耗时、耗精力的事，传统的数据库管理方式，弊端满满，安全性、灵活性都比较差，给企业数字化转型带来了重重阻碍。
面对如此情况，很多企事业单位已经启动了他们的IT现代化计划，准备采用多云服务并简化本地基础设施。
一直致力于帮助 IT 团队驾驭多云复杂性的 Nutanix 最近隆重推出了简化的产品组合。
新产品组合是一个易于消费的解决方案集，能帮助客户加速创新步伐，满足快速变化的业务需求。
其中，Nutanix 数据库服务（ NDB ）面向 PostgreSQL®、MySQL®、Microsoft® SQL服务器、Oracle® 数据库等数据库引擎，简化了在混合多云环境下的数据库管理，具有非常强大的自动化功能，可以帮助客户在本地和公有云上为开发人员提供数据库即服务（ DBaaS ）和易用的自助式数据库体验。
这样一来就为企业节省了大量的人力及时间成本，以集中精力发展核心业务，助力企业发展∞
腾讯钟学丹：汽车产业将基于云端定义智能、体验和新商业模式
腾讯智慧出行副总裁 钟学丹
钟学丹认为，中国市场正在引领智能化相关技术的发展和创新，从单车智能到车云一体持续进化。
同时，汽车行业进入到不确定性与合规化发展并存时代，云作为弹性、易拓展的载体，可以帮助企业提升业务韧性，抵抗动荡，安全合规发展。
“云正在成为重要生产力，车云一体化的数据驱动将成为汽车产业的竞争关键。
未来，汽车行业将基于云端去定义智能、定义体验、定义新的商业模式。
”钟学丹表示。
腾讯将以云为核心，为汽车产业提供数据驱动的车云一体化基础设施，通过灵活的部署方式、云原生的开放体系，以及针对汽车行业特性的行业解决方案，助力车企构建围绕厂、店、人、车等不同场景，构建车云一体化的数据驱动闭环。
今年是腾讯布局汽车行业的第五年，数据显示，已经有100多家车企及出行科技公司使用了腾讯云服务，在汽车行业的用云量已超过25万核服务器、汽车行业的存储规模突破100PB。
以下为演讲实录
各位领导、各位嘉宾，媒体朋友们，
大家好！
今年上半年，汽车产业经历了短期的震荡，但并没有影响智能网联汽车长期向好的发展态势。我们看到几大核心的变化：
第一个核心变化，智能电动化正在推动汽车产业结构化的变革。
中国市场正在引领智能化相关技术的发展和创新，从单车智能到车云一体持续进化。
今年一季度统计，L2级自动驾驶在我国乘用车市场的新车渗透率已经达到23.2%。
同时，近期多款新车已经搭载了高算力计算平台、激光雷达等面向L3级以上的硬件配置，并且价格已下探至20-30万元区间。
可以说，2022年或将成为中国准L3自动驾驶量产开端之年。
这背后也伴随着巨大的研发和运营投入。
如何更高效、更低成本的进行数据管理、算法迭代和体验优化，成为摆在大家面前的一大课题。
在这样的背景下，车云一体化、数据驱动的IT基础设施成为必然。
第二个核心变化，用户对于智能科技的付费意愿和要求在不断增长。
如何拓展新的服务模式，创造新的商业增值空间，成为车企的新考验。
德勤的一项调查显示，有90%以上的中国消费者愿意为车联网服务付费。
好的体验不再是堆砌配置，而是要求以用户为导向，以数据为驱动，通过云端能力不断升级迭代，为用户提供按需服务，这背后还有非常多的商业空间值得挖掘。
第三个核心变化，汽车行业进入到不确定性与合规化发展并存时代。
一方面，新冠疫情反复、国际局势动荡等不确定性因素频发，对供应链、销售端都造成了一定的挑战。
另一方面，相关法律法规、行业标准、监管体系密集出台，也正引导汽车产业向更标准、更安全和更有序地发展，对企业的数据合规、自主可控提出了更高的要求。
在这样的背景下，云可以作为一个弹性、易拓展的载体，帮助企业提升业务韧性，抵抗动荡，安全合规发展。
综上变化，我们可以看到，云正在成为重要生产力，车云一体化的数据驱动将成为汽车产业的竞争关键。
基于云端去定义智能、定义体验、定义新的商业模式
一方面，软件占比的大幅提升，也促进汽车研发体系的重新构建。
整车制造研发体系和智能座舱、自动驾驶的研发运营体系是完全不同的系统架构，后者需要构建数据驱动的敏捷研发和运营架构，如何实现大规模、分布式的软件协同效率提升，结合实时感知、场景理解、算法迭代等持续优化运行效率，将是新的核心竞争力。
从用户角度，用户对智能化极致体验是不断刷新的。
用户对汽车的体验要求，不再是买车的时候有什么功能特性，而是在用车的过程中，是否能够及时的获得新鲜的场景体验，最新的数字化内容，不断与时俱进的新交互和功能，以及越来越懂用户的使用体验和服务等。
具体而言，云端协同所带来的核心价值可以概括为三个点：不断优化的研发运营效率，不断革新的汽车服务体验，并随之带来企业业务韧性的不断增强。
优化研发效率
智能化、电动化的发展趋势下，对软件能力提出更高的要求。
研发效率是决胜的重要关键因素之一。
自动驾驶、智能汽车技术更快速的进化，除了车端感知能力、算力平台、控制优化等因素之外，还有一个非常重要的因素，就是云端的数据管理平台和算法训练平台。
工程实践中，获得一个算法模型，大约70-80%的人工时间花费在数据处理上，约70-80%的机器时间用在模型训练上。
由此可见，数据和计算，是驱动研发效能提升的两大关键。
海量的数据存储和访问，如何降低存储成本、提升访问效率？我们基于腾讯云业界领先的存储加速服务———GooseFS，相比传统存储的接入和访问模式，加速性能提高了10倍，可以很好的满足汽车自动驾驶场景对海量数据访问所遇到的瓶颈。
在算法开发方面，我们提供的一站式算法开发、训练框架——TI-One，可以帮助大量节约算法训练的成本。
在模型训练环节，算法开发TCO（总体拥有成本）至少降低50%，进一步节约计算成本，提高训练效率。
针对研发体系繁杂、架构不统一的情况，腾讯还可提供多云管理、多云调度的平台，并提供DevOps、AIOps、低代码平台等一站式的开发基础设施，加速软件开发效率和灵活性。
同时，我们认为，更高效、低成本的上云，一定是“专云专用”、符合行业特定需求的行业云。
为此，我们在上海设立了一个智能汽车云专区，从云专区的硬件选型，到云上组件都是高度结合智能汽车行业特殊需求进行配置和优化。
在智能汽车云上，我们打造了完整的自动驾驶、仿真训练、高精地图、座舱等云上自动化工具链等，为车企带来开箱即用的专有化云端服务，让车企可以更专注于算法优化和体验改善。
革新汽车服务体验
通过基于云端的互联服务，我们还在帮助拓展汽车服务新模式，探索创新的服务增值空间。
出行是一个场景驱动服务的体验模式，及时感知场景的变化和需求，为用户提供恰当的服务选择，可以极大的提升用户驾乘体验，而服务的碎片化、本地化需要有一个好的云端框架可以更便捷的将互联网服务快捷上车，方便用户无需下载安装，就可以更即时地、按需地获取这些丰富的内容和服务。
当然，好用的服务不在于多，而在于精。
如何更好的结合用户具体的用车场景，解决用户当下所需呢？通过腾讯新一代的场景引擎，可以将车端对场景的实时感知，与云端的AI和数据能力相结合，让用户更清楚地获知身处何地、周边有什么、我想要的服务在哪里。
我们重点围绕诸如停车、充电、etc等用户普遍关注的用车场景，去打磨的智能场景化的能力，帮助提升车载服务的活跃度。
现在，腾讯也开放了场景引擎和智能推荐体系，助力车企打造自主可控的云端场景引擎一体化平台。
在自动驾驶场景和高级别辅助驾驶场景下，我们推出新一代智能驾驶地图，通过云端实时连接和一体化的数据架构，我们首创性地实现了高精地图、ADAS地图、SD地图的数据同源“一张图”，可以针对人工驾驶、辅助驾驶和自动驾驶的不同驾驶模式自动切换地图形态,从车道级精度到路径级精度，多种比例尺无缝切换。
这种车-图-云一体化的形态，可以助力解决目前行业内普遍存在的各种地图之间数据不匹配，智能驾驶系统人工接管频率高，地图更新频率难以统一等制约智能驾驶功能实际应用等问题。
同时，通过多模态的交互方式，为用户提供更沉浸、更鲜活的导航探索体验。
通过极致体验的打造和持续运营，腾讯愿与车企共创订阅制的商业模式，基于腾讯用户运营的经验，结合车企构建的车辆和用户数据闭环，助力车企打造和培养用户不但愿意使用，也愿意为体验付费的商业模式。
增强业务韧性
车云一体化带来的第三个价值，是增强业务韧性。
汽车产业目前正在经历结构性的变化，也进入到强监管、安全合规发展的时代，对企业的安全建设、数字化的运营能力，实时地事故处理能力，提出了更高的要求。
随着联网车辆的不断增长，如何构建更健壮和弹性的网络架构体系，及时解决接入、数据处理、扩容、灾备等问题，都是需要面对的新挑战。
云具备更加弹性灵活、开放兼容、可持续运营的特性，可以成为汽车企业在提升业务韧性的过程中的常规标配，助力车企随时应对突发的业务，提升业务敏捷性，有效降低整体运营成本。
在这方面，我们基于云和数字化实践的经验，结合汽车行业的业务特点，可以借助云平台的数字底座，实现研发智能化、生产智能化、管理智能化、运营智能化，持续助力汽车产业增强业务韧性。
腾讯为汽车产业提供“车云一体化”的基础设施
在车云一体化的趋势下，腾讯将以云为核心，为汽车产业提供以数据驱动的车云一体化基础设施，通过灵活的部署方式、云原生的开放体系，以及针对汽车行业特性的业务解决方案，助力车企构建自己的数字化底座和完整的业务服务能力。
首先，腾讯基于自身敏捷的云原生体系，打造沉淀出坚实的底层云基础设施，通过灵活部署的IaaS，以及云原生、Devops、开放的云上工具平台，帮助车企和合作伙伴灵活、快速、低成本的构建起车云一体化的基础，支撑汽车行业数智创新和快速变革。
在底层智能汽车云作为核心底座的基础上，向上连接起汽车产业链研发-生产-销售-服务等核心场景，实现车云一体化的数据驱动、场景闭环。
帮助车企在软件定义汽车时代，构建新生产力。
基于开放强大的智能汽车云平台，通过中间的IPaaS应用集成连接器、IDaaS账号连接器、微搭低代码应用连接器等，可快速支撑厂、店、人、车等多端的不同场景，通过端云一体化实现数据驱动的新场景，创造汽车行业新生产力。
为100家车企和出行科技公司提供云服务
今年是腾讯发力汽车赛道的第五年，目前，已经有100家车企及出行科技公司使用了腾讯云服务。
面向汽车行业，一方面，我们持续夯实云底座能力。
目前，腾讯云在汽车行业的用云量达到25万核服务器、汽车行业的存储规模突破100PB，帮助车企增量超过70%。
同时，在腾讯云底座之上，我们还面向汽车行业各环节的特殊需求进行专有化定制开发，围绕智能汽车云、数字营销、办公一体化、工业制造等场景，联合600+生态合作伙伴，推出了130+个云上行业解决方案。
站在汽车产业结构升级的重大时期，腾讯坚持做好数字化助手角色，专注自身所长三个领域：第一，深耕云、图为核心的基础设施；第二，发挥好C2B连接价值；第三，共建开放生态。
从单车智能到车云一体，再到智慧交通、智慧城市，腾讯将充分发挥好以上三个维度的能力，将人、车、路、云都能够连成一张网，在云端实现人车路的实时计算，让交通运营管理体系之间信息畅通，让企业一体化管理和运营效率更高，让用户服务更及时、更极致。
易车App提供销量、热度、点评、降价、新能源、实测、安全、零整比、保有量等榜单数据。
如需更多数据，请到易车App查看。
