云原生基础架构构建深度学习
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。
/http://xiangxing.51dzw.com/
云环境配置部署区块链应用场景
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；
云计算能力下沉到边缘侧、设备侧
边缘计算按功能角色主要分为三个部分：
云--传统云计算的中心节点，有丰富的云计算产品形态和资源，是边缘计算的管控端，负责全网算力和数据的统一管理、调度、存储。
边--又称基础设施边缘(infrastructure edge)，属于云计算的边缘节点，靠近设备和数据源，拥有充足的算力和存储容量。例如传统云计算的 cdn 节点，物联网场景中的设备控制中心。
端--又称设备边缘(device edge)，主要指终端设备，如手机、汽车、智能家电、工厂设备、传感器等，是边缘计算的『最后一公里』
传统行业互联网化应用场景
(1)项目周期短，需求快速变化
在当前互联网快速发展的驱使下， 外部环境的变化日益加快，伴随而来的是 it 对业务需求的快速响
应要求，业务的快速迭代、敏捷交付等需求已经变成企业常态。
(2) 互联网高并发，不可预测的承载需求
随着网联化的持续推进，互联网形态的业务日渐丰富。相比较过去传统业务，网联业务具有更强的互联网业务形态，在诸如抢购、秒杀、网促等场景下，要求 it 架构能更好的支撑高并发、高弹性的业务需求。
(3)兼顾数据安全和用户体验
私有化部署在很大程度上保证了业务数据的安全，但企业自建数据中心的承载规模有限，无法应对特定场景下的访问量激增问题。为了兼顾数据安全要求与用户流畅体验保障，公有云、私有云混合部署规划需要平衡考虑。
面对复杂的、快速变化的的互联网市场竞争，云原生技术可以帮助企业构造一个可扩展的、敏捷的、高弹性的、高稳定性的业务系统。基于容器核心的云原生容器平台，/http://tx168.51dzw.com/为应用提供标准化敏捷基础架构，
*（本文来源：云计算开源产业联盟。如涉版权请联系删除。）
