(?) 云原?架构的典型技术特征
云原生架构具有如下典型技术特征：
采用轻量级的容器。云原生应用程序是打包为轻量级容器的独立 自治服务的集合。与虚拟机相比容器可以实现更加快速的扩展，优化
基础架构资源的利用率。
设计为松散耦合的微服务。属于同一业务的服务通过微服务框架 相互发现，它们可作为独立的服务而存在，并利用弹性基础架构和应 用架构进行高效扩展。
通过 API 进行交互协作。云原生服务使用轻量级 API 进行交互， 比如基于 RESTFul、gRPC 或 NATS 等协议。
使用最佳语言和框架开发。云原生应用的每项服务可以使用最适 合该功能的语言和框架开发。云原生应用程序是多语言的;服务使用各种语言、运行时和框架。开发微服务的细粒度方法使各个服务能够 为特定功能选择最佳语言和框架。
通过 DevOps 流程进行管理。云原生应用的每项服务都有一个独立的生命周期，通过敏捷的 DevOps 流程进行管理。多个持续集成/持续部署流水线可以协同工作以部署和管理云原生应用程序。
(三) 云原?应用的优势
云原生应用可充分利用云平台服务优势。云原生应用可以快速构建并部署到平台上，平台提供了简单快捷的扩展能力并与硬件解耦，
8
提供了更大的灵活性、弹性和跨云环境的可移植性。云原生将云计算 作为竞争优势，原生云意味着将云目标从 IT 成本节约转向业务增长引擎。
云原生应用使团队专注于弹性设计。在传统的旧基础设施故障时， 服务是可能会受到影响的。在一个云原生的世界中，团队特别关注于 为弹性和高可用进行架构设计。云原生焦点帮助开发人员和架构师设 计不受环境中故障影响的在线系统，快速弹性的重建和保持系统可用。
云原生应用具备多云间扩展的灵活性。公有云的厂商绑定现象一 直为人诟病，但是使用支持云原生技术的云平台，企业可以将构建在 任何(公有或私有)云上的应用快速迁移，兼具不同云服务商的优势服 务能力无需担心锁定。
表 1：云原生应用与传统应用的对比
9
三、 云原生技术的典型应用场景
云原生技术涵盖的范围非常广泛，针对不同的应用场景，云原生 解决的关键问题以及对应的技术栈选择都各不相同。人工智能、区块 链等新兴技术领域对使用者的能力要求较高，复杂的服务依赖配置使 的这些技术难以赢得更多受众。云原生技术在这些场景的应用很大程 度上降低了技术的使用门槛，为新兴技术的快速普适推广铺平了道路。
同时，在互联网+和新商业业态的冲击下，传统行业正处于技术架构转型的十字路口，天然基于云服务的云原生模式无疑能给出重要 参考意义。如何落地云原生技术正逐步成为行业用户的焦点。
(?) 深度学习应用场景
深度学习领域需要处理的三个核心问题是性能、效率和成本。利用云原生技术，形成以容器服务为核心，以云原生技术作为基础架构 的深度学习解决方案，无缝的整合了云的计算、存储、负载均衡等服 务，同时贯穿了深度学习的全生命周期。
深度学习本质上是一个实验科学，需要不断地组合和尝试不同的算法和类库。深度学习软件版本迭代非常快速，新算法层出不穷。 TensorFlow、PyTorch 等深度学习框架和各种新算法，公有云平台如何帮助用户快速搭建并投入实验研究，是用户首要的关注点。深度学 习需要海量的计算力，但是 GPU 资源昂贵，更低成本的共享资源的高效利用方式是场景普适的瓶颈。对于一个深度学习的试验周期，可以
10
分为四个部分：准备数据、模型开发、模型训练阶段和模型推理。每 个阶段有不同的工作任务，用户便捷的的使用深度学习平台，以便灵 活的处理阶段性任务也是重要考量。借助云原生技术，上述问题在很 大程度上得以解决。
图 4：云原生深度学习方案的基础架构模型
容器化封装深度学习框架，繁琐的配置文件、依赖关系统一打包， 实现框架部署的环境一致，极大提升了应用的可移植性，方便用户快速构建实验环境；
服务目录的形式提供多种板卡驱动，能大幅降低 GPU 资源驱动的问题。不同 GPU 卡的驱动程序各不相同，新分配资源的驱动安装复杂易错，非常影响用户使用的体验，将驱动程序以服务方式提供， 实现一键配置，降低使用门槛，增强使用体验；
GPU 多机多卡的高效调度，极大降低了深度学习的成本，提升效率,将深度学习平台的普适性大大拓展。以 Kubernetes 为核心，通过
11
Device Plugin 和 Scheduler Extender 机制整合 GPU 板卡,实现按显存或按卡的调度方式，提升系统利用率。
(?) 区块链应用场景
在企业级的分布式环境以及云环境部署配置部署区块链并非易事，这涉及到区块链相关工具的配置和调用、区块链网络拓扑的设计、 证书和密钥的安全分发、组件和服务的高可用性、业务处理能力的弹性扩展、数据的持久化等方面的考虑和设计，需要开发者对区块链相关技术有深入的了解，需要专业和完善的企业基础架构和资源服务的支撑。此外，区块链的配置和部署过程涉及到大量的配置对象，过程繁琐且互相关联，出错概率很高，需要频繁地进行端到端测试才能确保区块链的正确配置和部署，耗费的时间数以小时甚至数以天计。在这种情况下，开发者无法聚焦于区块链上层应用的开发和业务创新的思考上，极大影响了应用和解决方案的快速迭代、快速上线。
区块链业务创新面临巨大的挑战，主要包括需要对区块链底层技 术有较深了解，配置部署技术复杂度高、耗时长；二次开发技术难度 大，相关平台技术学习曲线陡峭，延缓迭代速度；区块链所需的基础 资源和服务选型繁多，整合难度大，投入和质量难以把控；部署平台 和环境安全保障薄弱，缺乏企业级安全管控和风险预防能力；服务质 量难以达到生产级别要求，运维流程和手段不成熟、不统一。
12
云原生实践技术白皮书
