Автор: Альфи Там

В Google Next’19 можно сделать много уроков и выводов, а также обсудить интересные выпуски новых продуктов. В этом посте я отойду от горячих тем, таких как Anthos, новые функции AutoML и различные интеграции с открытым исходным кодом, которые широко обсуждались в Интернете.

Вместо этого я выберу 3 темы, которые мне особенно понравились:

  • создание моделей машинного обучения,
  • разработка с Kubernetes, или
  • интересуется облачной безопасностью

Создание моделей машинного обучения с помощью конвейеров Kubeflow

Какое-то время я думал о создании возможностей машинного обучения - в частности, о создании групп продуктов с возможностями машинного обучения и масштабной поставке этих продуктов.

При запуске продукта, который использует адаптированные модели машинного обучения (ML), важно иметь возможность создавать эти готовые к производству модели машинного обучения с возможностью развертывания и масштабирования. Мы хотели бы быть ориентированными на оптимизированные обновления, готовые к выпуску новых функций и структурировать вашу команду ML / Data Science для успеха. И мы хотели бы сделать это с операционной эффективностью и всеми инструментами, которые потребуются вашей команде машинного обучения / обработки данных, чтобы раскрыть свой творческий потенциал и интеллект для улучшения своих моделей машинного обучения.

В ходе секционного заседания Виллем Пиенаар (GOJEK) и Ананд Айер (Google Cloud) обсудили Kubeflow в Google Cloud как мощную платформу для этого. Прежде всего, это позволяет аккуратно структурировать команды с инженерами машинного обучения, которые создают конвейеры для специалистов по данным, которые затем могут сосредоточиться на улучшении моделей машинного обучения. Это упрощает и ускоряет экспериментирование, обеспечивает высокую отслеживаемость и воспроизводимость, сводя к минимуму время, затрачиваемое на копирование стандартного кода и ручную разработку.

Кроме того, компоненты конвейера могут быть созданы как модульные компоненты многократного использования, которые можно использовать совместно. В рамках AI Hub (запущенного на Next’19) инженеры и ученые могут делиться своими модульными компонентами конвейера, которые можно легко импортировать с помощью Python SDK. Например. следующим методом: fkp.components.load_component_from_url(‘…’).

Экосистема, позволяющая сообществам ИИ делиться кодом и компонентами, станет огромным плюсом для отрасли.

Облачный код для VSCode

Облачный код для VSCode в этом году, похоже, привлек много внимания в Google Next. С высоты 30 000 футов Cloud Code движется к тому, чтобы радовать разработчиков, делая разработку с Kubernetes намного проще.

Cloud Code - это изящное расширение VSCode, которое абстрагирует CLI управления Kubernetes, например kubectl или gcloud container, в пользовательский интерфейс или палитру команд VSCode и использует Skaffold для управления развертываниями. Он также поставляется с набором фрагментов кода для конфигураций YAML. Больше никакого копирования и вставки шаблонных конфигураций YAML!

С помощью Cloud Code вы можете легко настроить рабочий процесс для локальной разработки Kubernetes на Docker Desktop или Minikube. Помимо этого, вы также можете легко создавать и развертывать кластеры на Google Kubernetes Engine, Amazon EKS и Azure Kubernetes - это дань уважения Google Cloud, открытому для поддержки мультиоблака.

Разработчики, плохо знакомые с Kubernetes или не часто использующие его, будут тратить меньше времени на запоминание параметров интерфейса командной строки (CLI), навигацию по руководствам CLI, управление пользовательскими сценариями оболочки развертывания или обращение к документации по конфигурации YAML.

Это освобождает время, чтобы больше сосредоточиться на творчестве. По мере развития облачного кода дополнительные удовольствия и более низкий барьер для экспериментов с Kubernetes могут способствовать более широкому распространению Kubernetes.

Безопасность

Облачная безопасность - одна из областей, к которой я заметил повышенный интерес как со стороны клиентов, так и со стороны коллег в отрасли. Хотя есть много хороших продуктов и уже ведется работа, я остановлюсь только на нескольких вещах, которые я видел в Google Next.

Командный центр облачной безопасности

Cloud Security Command Center, который стал общедоступным на Next’19, объединяет все функции управления безопасностью и рисками данных на платформе Google Cloud Platform.

С помощью Cloud Security Command Center организации могут централизованно обнаруживать угрозы безопасности и реагировать на них. Такие функции, как обнаружение угроз, уведомления в реальном времени и журналы аудита, помогают в сортировке и устранении инцидентов.

Повышенная прозрачность облачных активов вашей организации также помогает вам принимать упреждающие и превентивные меры безопасности. Благодаря автоматической интеграции таких инструментов, как Cloud Data Loss Prevention API и Cloud Security Scanner, уязвимости могут быть быстро обнаружены вашими отделами безопасности или продуктами.

Экранированные виртуальные машины

Экранированные виртуальные машины, запущенные на предыдущем этапе Google Next, представляют собой особую функцию Google Cloud Platform, которая обеспечивает проверяемую целостность экземпляров виртуальных машин Compute Engine. В частности, от любого взлома на уровне загрузки или ядра буткитами или руткитами.

Один из отзывов, который я обсуждал на выставке Expo, заключался в том, что эта функция не очень заметна в веб-интерфейсе Compute Engine. Я также обсудил, как это может быть функция по умолчанию для вычислительных виртуальных машин, по крайней мере, для популярных образов.

Асыло

Хотя этот фреймворк с открытым исходным кодом для разработки анклавных приложений был анонсирован на прошлогодней Google Next, на Next’19, я думаю, стоит упомянуть.

Asylo упрощает разработчикам создание приложений в анклавах - специальных контекстах выполнения для безопасного выполнения кода. Вероятно, в будущем будет расти потребность в частных и безопасных вычислениях. Я с нетерпением жду возможности увидеть, куда движутся анклавы и какие варианты использования будут приняты.

В заключение

Я надеюсь, что этот пост дал вам пищу для размышлений, интересуетесь ли вы производством моделей машинного обучения, разработкой облачных приложений с помощью Kubernetes или интересуетесь облачной безопасностью.

Альфи Тхаму нравится пространство, в котором пересекаются технологии, бизнес и дизайн, и объединение этих элементов для создания отличных продуктов, команд и предприятий. В своей повседневной работе он работает над созданием цифровых продуктов и ростом высокоэффективных команд. Его роли в технологических и продуктовых организациях обычно связаны с концептуальным проектированием, системной архитектурой и комплексным проектированием.

TribalScale - глобальная инновационная компания, которая помогает предприятиям адаптироваться и преуспевать в эпоху цифровых технологий. Мы трансформируем команды и процессы, создаем лучшие в своем классе цифровые продукты и создаем прорывные стартапы. Узнайте больше о нас на нашем сайте. Присоединяйтесь к нам в Twitter, LinkedIn и Facebook!