虚拟机到云原生

2005年，VM分布式架构还是云服务商和内部数据中心寻求优化DC资产的最佳选择。

2008年，容器首次推出，来自不同镜像的进程可以在同一空间中运行，而内核负责保证它们之间的正确隔离。由于容器占用内存少，又不存在硬件仿真层，因此一经提出就迅速走红。

2014年，开源的 Kubernetes项目力克Docker Swarm 和 Apache Mesos，成了容器编排事实的标准。

2015年，容器技术、可持续交付、编排系统等开源生态的持续推动下，云原生开始受到关注，容器也成为了云原生的最佳载体。

2020年，以“应用”为中心的云原生技术被更多企业采用，迎来"应用大年"。

云原生技术被广泛于企业IT转型之中，主要有以下原因：

*转型压力大：激烈数字化竞争时代的巨大转型压力，求快求变是永恒主题

*业务更复杂：新媒体、新渠道、新支付等新业态导致企业业务朝向更复杂化发展

*研发人员多：企业扩大研发团队以适配业务，部门墙、重复造论子等低效情况时有发生

*技术更新快：微服务、服务网格、Dapr、低代码等各种新技术层出不穷

随着微服务、DevOps、服务网格等云原生技术的不断成熟，企业IT发展呈现新趋势，即能力服务化+业务装配化，企业将演进出能力服务中心，而传统的企业IT将承担起打造能力的新责任。

为何是云原生？

云原生的产生来自于云基础设施进化，其关注的就是架构的设计和对云基础设施的利用，它具有以下能力：

*更快的部署。云原生软件作为容器部署，这意味着用户可以独立扩展，升级和部署它们。用户只需为部署选择最少的资源，而不是部署整个应用程序，这样可以减少时间并有助于保持性能。

*效率更高。与基于虚拟机的SW相比，云原生应用程序消耗的资源减少了40％。

*更高的弹性。如果检测到故障，云原生应用程序处理可以立即从一个数据中心无缝地移动到另一个数据中心，而不会中断任何服务。

*极其灵活。云原生应用程序支持自动扩展，允许提供商更快地测试新服务，快速扩展。

据《Gartner2022年重要战略技术趋势》报告显示，到2025年，新数字项目中会有超过95%将云原生平台作为基础；到2024年，软件即服务和定制应用的设计原则讲师组装时API优先或仅采用API。

云原生+大数据开发平台建设思路

如今，企业都面临着日益增长的数据量、各种类型数据的实时化和智能化处理的需求。此时，云原生平台的高弹性扩展、多租户资源管理、海量存储等能力，受到了大家的欢迎。在云原生和大数据的改造中，组件是一部分，但还有如 CI/CD、日志管理、用户管理、监控等内容。大数据领域里还有数据质量、元数据等都需要 K8s 环境下的管理系统。K8s 带来的好处就是现在所有应用都以同样的模式发布，使用同一套资源管理体系。

作为国内的领先云原生开发平台，kaiyun开云创新不断探索云原生+大数据开发平台的建设之路，在基础资源层，包含物理机、虚拟机和k8s资源；数据能力服务层是IT技术人员负责数据能力构建，包括可部署的模块和API；数据应用装配层，业务技术人员使用大数据能力服务层提供的能力快速组装大数据应用。

云原生+大数据开发平台实践案例

某省中医院慢性病大数据分析、某银行大数据基础设施

痛点：从资源角度考虑，不与服务器强绑定又能充分发挥硬件性能

技术：采用容器技术运行原来需要服务器的大数据应用

收益：计算资源使用的灵活性

某医学院大数据开发环境、某高校大数据实训体系

痛点：大数据技术复杂，从“使用者”角度考虑，前置时间长，不利于“分享和交易”

技术：在容器化基础上，引入“大数据模块商店”的概念，模块独立、联动、可复用

收益：在开发、使用、交易上的便利性

某工业互联网大数据机理模型库、某研究院数据中台

痛点：大数据建好了，“孤芳自赏”“用不起来”怎么办，如何更好地为业务创新赋能

技术：在容器化、模块化基础上，构建上层的业务开发创新能力，以及相关生态

收益：大数据的价值和业务创新融合，为业务赋能

咨询了解更多云原生+大数据平台解决方案