kube|我们在华为云与20家企业的身上，看见云原生的践行「范本」( 二 ) 龙芯|一体机|中科|龙芯中科|龙

在对外输出上，华为云也与不少行业客户进行实践创新，例如协助新浪完成其业务平台从传统虚机架构向Serverless容器架构的升级，实现30秒8000核的极速扩容能力，让新浪能更平稳应对突发事件带来的流量冲击。
在金融行业，不少金融机构也在华为云的帮助下，持续进行传统业务的云原生升级。以深交所为例，联合华为云打造的高效云原生基础设施，统一了计算、存储资源池，并与信创技术相结合，提升了业务的自动化运维程度、资源利用率、分配效率、安全可信。
在这些对内、对外的实践过程中，华为云逐渐沉淀、提炼出了自己的云原生观点，其中之一便是“用云原生的思维践行云原生”。

文章插图

华为云CTO张宇昕
张宇昕分析称，这当中包括了四大关键词：
一是全数字化。过去数年的转型讨论中，对于是否应实现全面数字化、全面云化其实仍在存在争议，但如今趋势已经清晰可见，数字化其实不只与IT应用有关，还包括技术设施、网络、设备、编码等，是一场涉及云网边端的、从应用到基础设施的全面数字化。
二是全云化。企业往往会顾虑自身的数据重要性、监管要求的严苛程度，敏感的业务或数据更倾向于自己掌握，而不是拥抱云，但如今人们也更多意识到，在云上仍然可以保障数据安全，保证企业对关键的业务、应用、权限的控制。云上的经验共享和技术贡献，能够达成的安全、可靠、可信，比企业单打独斗的构筑要来得更快、更强。
三是AI驱动。做数字化转型，正是为未来用AI为企业提升质量、降本增效，用AI来增益企业的能力、扩大企业的能力边界。
四是一切皆服务。无论是数字化、云化还是AI，这些能力如果封闭在行业内部是得不到发展的，仍然碎片化。如果每个企业把自己的能力、行业knowhow开放出来，即技术和经验都是服务，为其他所用，彼此就能拥有更多的能力和技术变现的方式。
用云原生将“不确定性”变为“确定”不过尽管不少企业与业者已经对数字化、云化达成共识，但转型的过程其实十分痛苦，也充满挑战。而在张宇昕看来，“云原生恰恰是企业应对数字化转型当中不确定性的最佳选择。”这不仅仅是技术选择，也是做了生产方式、商业模式的转型，做了触达用户方式的转型。
他以多个关键问题，拆解了这道关于不确定性的谜题：
第一：企业数字化深入转型后，希望云离他们越来越近，企业业务向边缘延伸，云的能力也向边缘延伸，云原生能否支持、如何支持这一点？
为此，华为云采用分布式云原生的服务，改变过去算力集中在个别大中心、大资源池的供给模式，不需要应用去感知算力的存在，而是算力随时随地供应；多元算力自动匹配应用的要求，例如图像处理型的需求匹配GPU，人工智能的应用匹配NPU、TPU，高并发、多连接的需求则匹配核数多的算力。
第二：当业务分布全球，驻点之间数据需要流动、业务需要协同，要保证数据传输的可靠性、安全性，流量的治理情况也发生了变化。应如何做到智能流量的分发？数据越来越多、应用越来越丰富，应用和数据怎么进行协同？
如果做到按需智能化的分配带宽，从而使得带宽的保障、成本做到最优，这是新的模式。通过云原生的技术，也可以提供有更轻量级的计算框架，有更轻量级的调度能力，把更小颗粒的应用数据计算放在数据所在的地方，实现近数据计算。这些新的能力都在分布式云原生上来构建，从而支持企业能够更深入、更全面地应用云。
第三：数据孤岛式、碎片化分散在各系统，如今企业、政府都在做这种数据的大集中，做大量的数据准备、数据清洗，再来构建新的数仓、构建新的应用，为的是释放数据价值，但前期会消耗大量人力，华为自身也有类似经历。
但在云原生上，可以通过云原生数据湖，通过湖仓一体实现了数据的集约化，统一的数据管理，打造所有数据融合、轻量级的计算框架。另外通过DataOps平台，打造数据治理自动化、智能化生产线，包括一键入湖、数据准备、数据关系图谱的建立和排序，把数据做成服务，做资本化的洞察。
同时，也可以把AI加持到数据处理中，通过学习的方式来识别数据里的固有模式和经验，提升数据处理效率，减少人工干预。至此，过去数据治理的劳动密集型、人力密集型、任务工作量大的问题才算是被解决。