我们决定谈论云基础设施的发展方向，IT专家和大型技术出版物认为这是2019年最有希望的发展方向。 削减-关于无服务器计算，“个人”量子计算机和AI系统。
/图片16：9clue CC BY1.对无服务器计算的需求将增加
无服务器架构是第三方提供商承担维护服务器任务的一种方法。 因此，开发人员和系统管理员不必在铁维护上花费资源。
无服务器系统以服务的形式提供所有必要的功能。 它们可以是单独的解决方案（例如
Fn Project ），也可以是整个生态系统（例如
Apache OpenWhisk或专有的Azure）。
根据Gartner的说法，无服务器架构将是今年最热门的趋势之一。 现在，全球只有不到5％的公司使用无服务器方法，到2020年，这一数字将增加到20％。
特殊文献 ，
框架已经出现，正在举行会议（
包括在俄罗斯 ）。
无服务器系统日益普及的驱动力之一是
降低了铁的配置和维护成本。 据信，系统管理员花费大约30-40％的工作时间来安装设备。 无服务器架构释放了这些资源-工程师的工作可以直接用于公司产品和服务的开发。
还可以预期，无服务器方法的普及
将受到机器学习算法“蓬勃发展”的
影响 。 云供应商正在努力确保IT基础架构的可用性和可伸缩性。 这是智能系统开发中最重要的两个组成部分。
2.更多公司将开始使用多云
根据Rightscale于2018年进行的
一项研究，在成千上万的受访者中，约80％的公司已经转向了多云IT基础架构。 今年这一数字将增长-在Gartner，他们表示到2020年它将
达到 90％。
多云普及
的原因是节省成本和使用基础架构的灵活性。 公司可以选择一些价格合适的云提供商的服务。 同时，越来越多地使用容器来简化不同环境之间的应用程序迁移。 根据ESG Research的数据，到2020年，云中所有工作负载的33％将被容器化（今天这个数字是19％）。
Kubernetes将最流行的容器化技术之一称为“分析”。 预计在2019年，更多的解决方案
将出现在市场上，以简化此编排工具的实施。 例如，去年年底，VMware
收购了初创公司Heptio，后者为Kubernetes的部署开发解决方案。 IBM打算开发Kubernetes作为创建混合云解决方案的工具，为此目的（也是在2018年）收购了Red Hat。
3.云将帮助5G电信运营商
根据德勤
预测 ，2019年将出现首个商用5G网络。 到2020年，新一代网络的用户数量将达到15-20百万。 计划将5G用于支持
工业系统和“
智慧城市 ”的物联网设备的工作。 同时，未来几年物联网小工具的数量
将成倍增长 。
为了应付这样的负担，电信公司必须提供高水平的基础架构可伸缩性。 在这里，
云技术将为他们提供帮助。
/图片Derek Finch CC BY （图像裁剪）VMware正在
开发虚拟解决方案，该解决方案将简化与无线网络架构核心的合作，并为客户提供新功能。 一个示例是VMware vCloud NFV，用于在私有和公共云环境中使用服务和应用程序。 诺基亚专门为运营商
创建了一个类似的平台-该服务使用OpenStack技术来管理容器和虚拟机。
同时，不仅云将帮助5G的传播，而且相反，新一代网络将使云平台更加普及。
他们说 ，在德勤，5G将允许没有高速互联网的偏远地区的居民使用云。
4.量子机器将变得更加易于用户使用
IT公司正在开发功能越来越强大的量子处理器。 英特尔去年
推出了 49比特的芯片，
谷歌推出了72比特的芯片。
一些基于qubit的设备已经可以通过云服务（例如阿里云和
IBM Q）进行访问
。 这些IT巨头的量子机器可以帮助研究机构和大学创建复杂的模型，而这些模型对于“经典”计算机而言很难做到，例如，无法为人类免疫系统
的行为
建模 。
/图片IBM Research CC BY同时，2019年可能是
“个人”量子机器的一年。 1月初，IBM在CES 2019上
展示了Q System One ，这是一种用于商业的原型商用量子计算机。 这是一个20比特的机器，与其他量子计算机不同，它可以在实验室外操作。 在特殊的密封容器中创建了计算机正常运行的必要条件。
也有可能在2019年最终实现“量子优势”。 当具有量子位的机器
开始比传统计算机更快地解决许多计算问题时，正是这样的时刻。 例如，此类任务包括SHA-256键枚举。 为了证明量子优势的假说，谷歌计划在今年初与美国宇航局的超级计算机举行一场性能竞赛。 实验结果将在夏天公布。
5.智能系统将管理云
机器学习将更常用于数据中心的多云系统和设备的管理中。 这些技术称为AIOps-IT运营的AI。 Network World和Gartner预测AIOps的日益普及。 在2019年，25％的组织
将使用智能算法来管理其IT基础架构。
Oracle和
Microsoft服务中已经提供了用于云计算的AI系统。 它们有助于预测可能的系统故障并优化工作负载。 在一个已知的情况下，Azure云中的机器学习算法会在发生故障前20分钟
预测其中一个磁盘发生故障。 这样就可以快速从故障服务器迁移负载。
还正在开发用于管理数据中心设备的平台-该服务由HPE创建。 根据公司代表的说法，该平台帮助客户减少了79％的运营成本，并减少了86％的服务器故障次数。
我们在第一个公司IaaS博客中写的内容：
来自我们的电报频道的帖子：