Felhőhasználati helyzetek
A felhőalapú technológiák gyors fejlődésével minden egyes nap új használati esetek bukkannak fel, és új alkalmazási területek válnak meghódíthatóvá. Ebben a szakaszban a felhőhasználat néhány gyakori és legmeggyőzőbb alkalmazási területét tárgyaljuk valós példák bemutatásával.
Webes és mobilalkalmazások
A felhőalapú számítástechnika kialakulásának egyik mozgatórugója a webhelyek üzemeltetése. A webhelyek és webalkalmazások üzemeltetése jellemzően egy dedikált internetkapcsolattal rendelkező kiszolgálón történik. A régebbi webes üzemeltetési szolgáltatások vagy dedikált kiszolgálókat biztosítottak az ügyfeleknek, vagy egy nagyobb méretű UNIX-rendszer töredékeit bocsátották a rendelkezésükre. A felhőalapú számítástechnika elterjedésével a webes és mobilalkalmazások ma már létrehozhatók úgy, hogy meglévő IaaS-, PaaS-, sőt, SaaS-szolgáltatásokon építkeznek.
SaaS-alapú: Az SaaS-modell használatával a szervezetek egy méretben is üzembe helyezhetnek minden alkalmazást a weben. A gyakori példák közé tartozik a webes levelezés, a közösségi webhelyek és a segédeszközként szolgáló webhelyek, például a határidőnaplók, naptárak és tervezők.
PaaS-alapú: Az alkalmazásfejlesztők számos online platformot és eszközt használhatnak PaaS- és mobilalkalmazások létrehozásához. Népszerű platform például a Google App Engine, a Parse és az AppScale, amelyeken webes és mobilalkalmazások építhetők ki.
IaaS-alapú: Azoknak az alkalmazásoknak, amelyeknek még nagyobb testreszabásra és rugalmasságra van szükségük, az IaaS-modellt úgy lehet alkalmazni, hogy kibérelik a virtuális gépeket olyan szolgáltatóktól, mint az EC2 és a Rackspace, és egy teljesen testre szabott szoftververmet helyeznek üzembe a webalkalmazás futtatásához.
Vegyük példaként a következő forgatókönyveket:
Az Animoto, amely egy online videóvetítés-készítő vállalat, egy Facebook-alkalmazás telepítése mellett döntött. A szolgáltatás forgalma megnövekedett, ezért az Animoto 50 kiszolgálóról 3500 kiszolgálóra váltott 3 nap alatt. Az ilyen mértékű rugalmas méretezhetőséget csakis a felhőalapú számítástechnika teszi lehetővé.
A felhőalapú számítástechnikát használó online áruházak, például az Amazon és a Target.com, fel tudják skálázni az infrastruktúrájukat a csúcsidőszakokban (például a hálaadás utáni napon). A Salesforce.com ügyfelei 2-től 20 000 fős vállalatokig terjednek, és mindannyian ugyanazt a webes platformot használják.
A Domino's Pizza az üzlet lebonyolításához AWS- és Azure-szolgáltatások kombinációjára támaszkodik. Azure App Service-t és Azure Cosmos DB-t – mindkettő PaaS-szolgáltatás – használ például az online rendeléshez és a kiszállítás nyomon követéséhez, ami lehetővé teszi az igény szerinti vertikális fel- és leskálázást. A Domino’s SaaS-alapú Microsoft Dynamics ERP-t is használ a vállalati erőforrás-tervezési szükségletek kielégítéséhez1.
Big data-elemzés
Sok cégnek és szervezetnek kell nagy mennyiségű adatot kezelnie. Ezek az adatok érkezhetnek érzékelőkből, származhatnak kísérletekből, tranzakciókból és webhelyeken folytatott tevékenységekből. A big data-feldolgozás általában sok számítási és tárolási erőforrást igényel, de a szervezet igényeitől függően időszakos vagy szezonális lehet. Az Amazon beállíthat például üzleti intelligenciával kapcsolatos és elemzési feladatokat a nap végére, amelyhez néhány száz kiszolgálót néhány órán keresztül lefoglal. Az ilyen jellegű forgatókönyveknél érdemes felhőalapú számítástechnikát alkalmazni, mert az lehetővé teszi az erőforrások igény szerinti használatát. Sok cégnek van teljeskörűen automatizált elemzési folyamata, amely automatikusan összegyűjti, elemzi és tárolja az adatokat, miközben igény szerint foglalja le az erőforrásokat. Ilyen big data-forgatókönyvek például a következők:
A Union Pacific Railroad hőmérőkkel, mikrofonokkal és ultrahangos beolvasókkal szereli fel a síneket. Ezek az érzékelők minden vonatot átvizsgálnak, miközben áthaladnak, és olvasmányokat küldenek a vasút adatközpontjaiba, ahol a mintaegyező szoftver azonosítja a meghibásodás kockázatának kitett berendezéseket.
A Walmarthoz hasonló hagyományos áruházláncok az Amazonhoz hasonló online áruházak nyomdokaiban járnak, mivel elemzik a vevők költési szokásait, így kínálnak személyre szabott marketingkampányokat, illetve ajánlatokat az egyes vevők számára.
Olyan vállalatok, mint például a Time Warner and Comcast, big data segítségével követik nyomon az előfizetők médiafogyasztási szokásait, és nyújtanak értéknövelt információt a hirdetőknek és az ügyfeleiknek. A videojátékok iparága milliónyi konzoltulajdonos játékszokásait követi nyomon. A Riot Games és a hozzá hasonló vállalatok 500 GB strukturált adatot és több mint 4 TB műveleti naplót futnak át minden egyes nap.
A felhő az elemzésben is szerepet vállal olyan népszerű eszközök felügyelt implementálásával, mint az Apache Hadoop és az Apache Spark, amelyek percek alatt rendelkezésre állnak, majd törölhetők, amikor már nincs rájuk szükség. Egy Spark-fürt beszerzése, üzembe helyezése és konfigurálása hónapokig is eltarthat, és jelentős hozzáértést kíván. A felhővel és az olyan szolgáltatásokkal, mint az Azure Databricks és az AWS-beli Databricks, a Spark legutóbbi verziójával létrehozott fürtök néhány gombnyomással üzembe helyezhetők.
Igény szerinti nagy teljesítményű feldolgozás
A modern tudomány elképzelhetetlen lenne a nagy teljesítményű feldolgozás (high-performance computing, HPC) nélkül. A fizikai kísérletek mellett a számítógépes szimuláció is rendkívül elterjedté vált a legkülönfélébb területeken, az asztrofizikától és a kvantummechanikától a tengerkutatáson át a biokémiáig. Ezek a számítási feladatok jelentős számítási kapacitást igényelnek, és jellemzően dedikált fürtökön vagy szuperszámítógépeken futnak.
Egyre több tudós fordul a felhőhöz, hogy ki tudják elégíteni a HPC-erőforrások iránti igényüket. A HPC-hez az AWS, az Azure és a GCP kiemelkedően hatékony, gyorsabb CPU-kkal és csúcsminőségű GPU-kkal ellátott virtuális gépeket kínál. A tudósok számára különösen nagy vonzerőt jelent, hogy tetemes mennyiségű számítási kapacitás állhat a rendelkezésükre, főleg a kisebb projektekhez vagy az időkorlátos, hirtelen megnövekedett terhelést jelentő elemzésekhez, például a kísérleti futtatásokhoz a kutatások leadási határideje közeledtével. Példák a felhőben üzemeltetett HPC-re:
Egy 3809 példányból álló EC2-fürtöt épített ki a Cycle Computing, Inc. egy molekuláris modellezési feladatokat futtató gyógyszerészeti vállalat számára. A fürt 30 472 maggal, 26,7 TB RAM-mal és 2 PB lemeztárterülettel rendelkezik.
A Pfizer, az Unilever, a Spiral Genetics, az Integrated Proteomics Applications, a Bioproximity és a hozzájuk hasonló vállalatok a bioinformatikai és genomikai számítási feladatokat Amazon EC2-példányokon futtatják.
A NASA JPL nagy teljesítményű Amazon EC2-példányokat használ nagy felbontású műholdképek feldolgozásához.
2015-ben a Willis Tower Watson kockázatkezelő és pénzügyi szolgáltatásokat nyújtó vállalat a Microsofttal társulva üzembe helyezett egy 100 000 magból álló HPC-fürtöt, és kiszámolta vele, mennyibe kerülne biztosítani a világ teljes népességét2. A teljes folyamat az üzembe helyezéstől az eredmények letöltéséig kevesebb mint 12 óráig tartott. Egy egyetlen magos CPU-n ugyanennek a feladatnak a végrehajtásához majdnem 20 évre lett volna szükség.
Online tárolás és archiválás
Az egyik fontos erőforrás, amelyet a felhőalapú számítástechnika elérhetővé tesz, a tárterület. A személyes tárolási megoldásoktól, amilyen például a Dropbox, a nagyméretű webes tárolási rendszerekig, amilyen az Amazon S3, az online tárolás a felhőalapú számítástechnika egyik fő használati területe. Az online tárolási lehetőségek közé tartoznak a következők:
Webalapú objektumtárolás: Az olyan szolgáltatások, mint az Amazon S3 és az Azure Storage, lehetővé teszik a felhasználók számára, hogy több terabájtnyi adatot tároljanak egyszerű objektumokként, amelyek HTTP-en keresztül érhetők el. Sok webhely használja az Amazon S3-at és Azure Storage-ot statikus tartalmak, például képek tárolására.
Biztonsági mentés és helyreállítás: Az olyan szolgáltatások, mint a CrashPlan és a Carbonite, online biztonsági másolatot nyújtanak az ügyféladatokról, ami kiváló megoldás biztonságos, helyszíni biztonsági mentési megoldásként.
Médiastreamelés és tartalomterjesztés: Az olyan szolgáltatások, mint az Amazon CloudFront és az Azure CDN, nem csak nagy mennyiségű adatot tárolnak, hanem segítenek a tartalomkézbesítésben. Az adatlehívási kérelmeket a CloudFront automatikusan a legközelebbi kiszolgálóhoz irányítja, amivel csökkenti az időérzékeny médiatartalmak, például a videók késését.
Személyes tárolás: Az olyan szolgáltatások, mint a Dropbox és a Google Drive, népszerűek a felhasználók körében, hogy személyes dokumentumokat online tároljanak bármikor, bárhonnan.
Gyors alkalmazásfejlesztés és -tesztelés
A felhő egyik fő előnye, hogy képessé tesz az alkalmazások gyors üzembe helyezésére és tesztelésére. Egy teljes számítási környezetet üzembe lehet helyezni percek alatt, majd le lehet bontani és távolítani a tesztelés befejezése után. A legtöbb vállalat szemében ennek az értéke abban rejlik, hogy lehetővé teszi a fejlesztők számára a fejlesztések és funkciók gyors létrehozását és tesztelését, különösebb kockázatok nélkül. Nincs szükség speciális hardver és kiszolgálók megrendelésére és telepítésére. Perceken belül fel lehet állítani egy virtuális kiszolgálót az Amazon EC2, az Azure Virtual Machines vagy a Google Compute Engine rendszerében. Az alkalmazások stressz- és terhelési tesztjeit is könnyedén végre lehet hajtani. A meglévő kiszolgálók klónozásával skálázhatósági vizsgálatokat is el lehet végezni.
A felhő a fejlesztési és üzemeltetési (DevOps-) befektetéseket is előmozdítja, így a cégek vagy szervezetek gyorsabban és jobb minőségben tudják szoftvereiket előállítani. A szervezetek DevOps-folyamatokat hoznak létre, amelyek felhőalapú forráskódtárakhoz kapcsolódó virtuális buildelési kiszolgálókat használnak. A fejlesztők rögzítik a kódmódosításokat az adattárban, amely kiváltja egy build automatikus létrehozását a folyamatos integráció (continuous integration, CI) néven ismert folyamat keretén belül. A DevOps egy másik jellemzője a folyamatos teljesítés (CD), amelyben a frissített buildek tesztelésére, illetve előkészítési vagy éles környezetbe történő bevezetésére automatikusan kerül sor. Az ilyen típusú forgatókönyvek alkalmazását az AWS CodePipeline, az AWS CodeBuild, az Azure DevOps és a hasonló termékek teszik lehetővé, amelyek egyre inkább a szoftverfejlesztési folyamat alapjává válnak, legyen szó kis- vagy nagyvállalatokról.
Gépi tanulás és mesterséges intelligencia
A gépi tanulás (machine learning, ML) és annak mesterséges intelligencia (artificial intelligence, AI) néven ismert részterülete most már napi szinten fejt ki hatást az életünkre. A hitelkártya-társaságok ML/AI-modellekkel, valós időben ellenőrzik az esetleges csalásokat; a kiskereskedők arra használják őket, hogy további vásárlásokra csábítsák az ügyfeleket, vagy előrejelezzék a várható keresletet; a nyelvészek képessé válnak a beszéd valós idejű lefordítására; az éttermek az ételek minőséget javítják velük3; a kutatók pedig az emberi genomot elemzik, és rákindikátorok után kutatnak4.
Az ML/AI-modellek betanítása gyakran hatalmas számítási teljesítményt igényel. Az egyik példa a konvolúciós neurális hálózat (convolutional neural network, CNN), amely a számítógépes látást érintő feladatokban teljesít kitűnően, például képes annak meghatározására, hogy egy fényképen macska vagy kutya látható-e. Ezeknek a modelleknek a betanításához általában képpontok milliárdjaiból és gyakran 100 vagy több rétegből álló képek kötegeire van szükség. Egy ilyen léptékű CNN betanítása egyetlen számítógépen nem célszerű, de viszonylag hatékonyan végrehajtható a párhuzamos feldolgozást elősegítő, GPU-kkal megpakolt HPC-fürtökön.
A felhőalapú számítástechnika egyik friss trendje, hogy a szolgáltatók SaaS-szolgáltatásként kínálják az ML-t és AI-t. Az Azure Custom Vision Service szolgáltatásával például mindössze néhány perc alatt, lényegében külön költségek nélkül betanítható egy neurális hálózat a macskákat és kutyákat ábrázoló képek elkülönítésére. Néhány vállalat, amely felhőalapú ML- és AI-szolgáltatásokat használ az üzleti folyamatok javítása érdekében:
Az Expedia az AWS javaslattételi alrendszerén alapuló gépi tanulási szolgáltatássokkal teszi gördülékennyé a szállodai foglalási folyamatot5.
A British Petroleum (BP) az Azure Machine Learninggel javítja képességét a potenciális olaj- és gázmezők kihozatali tényezőinek – a földalatti lelőhelyről kinyerhető szénhidrogének százalékos arányának – az előrejelzéséhez6.
Az iGenius a Google Cloud AI gépi tanulási API-jai és a Google App Engine kombinálásával hozta létre a világ első digitális marketing-tanácsadóját7.
Az ML-t és AI-t célzó kutatások, befektetések, fejlesztések és alkalmazási területek az elmúlt években tapasztalt robbanásszerű növekedése elsősorban a felhőalapú számítástechnikának köszönhető, amely a nagy és kis méretű vállalatoknál dolgozó kutatók rendelkezésére bocsátja az új modellek betanításához és a meglévők fejlesztéséhez szükséges hatalmas számítási teljesítményt.
Hivatkozások
Microsoft (2017). Az Azure szolgáltatásként nyújtott platformja a Pepperoni a Domino's pizzáján. https://news.microsoft.com/en-au/features/azures-platform-service-pepperoni-pizza-dominos/
Microsoft (2016). Mit csinálnál 100 000 maggal? - Nagy számítás globális szinten. https://azure.microsoft.com/blog/what-would-you-do-with-100000-cores-big-compute-at-global-scale/
Tom's Guide (2019). Domino's Now Using AI és Kamera s to Make "Perfect" Pizzas
Computational and Structural Biotechnology Journal (2015). Gépi tanulási alkalmazások a rák prognózisában és előrejelzésében. https://www.sciencedirect.com/science/article/pii/S2001037014000464
PhocusWire (2019). Hogyan használja az Expedia a mély tanulást a szálloda foglalási folyamatának javítására. https://www.phocuswire.com/Expedia-Partner-Solutions-machine-learning
Microsoft (2019). A BP az Azure AI-t vizsgálja a biztonság növelése, a hatékonyság növelése és az üzleti siker ösztönzése érdekében. https://customers.microsoft.com/story/bp-mining-oil-gas-azure-machine-learning
Google. iGenius: Létrehozása kristály, az első virtuális digitális marketing tanácsadó. https://cloud.google.com/customers/igenius/