关于云平台，开发者需要做哪些准备？

得益于CTO、CEO和CDO们积极的推动，IT基础设施正在向云环境迁移，底层架构师则在热烈讨论围绕着云原生应用的SaaS、PaaS和微服务架构，而开发者们正在大显身手，努力探索云计算的魔盒，找出什么是对业务有价值的，什么又是不需要的。

之所在云上花费这大精力，云应用所具备的独特功能居功至伟，例如支持高度可扩展和灵活的分布式架构，可以在多云环境中轻松迁移，但云应用从开发到落地生产环境，需要许多不同的工具和技术来提供强有力的支持。本文将讨论云环境中能够大化发挥云计算优势的新方法、新工具。

函数式编程

假设我们希望开发具有高度可伸缩基础设施的服务来支持IoT和ybig data平台，函数式编程是一项值得考虑的选择。不同于大多数人所熟知的编程范式，函数式编程不需要维护全局状态，只需要将输入数据传给函数即可，适合用于验证新想法。很多顶级云供应商目前都已经支持函数式编程。

选择开发语言

在云平台上开发微服务架构时，启动时间（startup time）、内存效率（memory efficiency）、二进制大小（binary size）和并发性（consurrency）是关键因素。

Go——Go语言对于云计算来说，是一种优秀的选择，它具备兵法、轻量级、静态类型和编译语言等特性。据了解，英国的一家银行（Monzo）完全使用Go语言实现微服务架构来构建完整的银行体系结构。

Java——大多数应用都是用Java开发的，Java也拥有大量的开发者社区基础。Spring Boot和Java modules（JDK-9.0～）是云原生架构的最佳选择之一。这是将以遗留系统迁移到云平台的良好开端。

.net core——微软已经很久没有支持开源社区了，这也是很多公司不采用.net core的原因之一。当然微软总是致力于提供无bug的工具、简单的语法和良好的教程，他们最近也意识到，开源可以为Azure cloud提供更多的创新和业务。总而言之，.net core是Azure云平台上的最佳选择之一。

R Math——数据科学（data science）正在席卷整个计算机世界，但却没有一种新的语言可以用来解决数据科学难题（统计和数学）。由于云计算可以以低成本提供计算能力，业界正试图用旧的技术工具来解决人工智能难题。R是S编程语言的实现。S创建于1976年，R library实现统计和数学功能。

Python——Python支持多种编程范例和强类型检查。它易于学习，有强大的分析库，并得到了开源社区的大力支持，这也是Python吸引数据科学家的原因之一。

选择存储

大规模伸缩前端服务时，尝试使用连接池与RDBMS数据库进行通信可能无法满足实际的用例需求，需要我们选择以云为中心（cloud-centric）的数据库来构建强大的存储平台。

Amazon DynamoDB——提供了任何级别的single-digit-millisecond延迟，数据以NoSQL格式存储，支持文档、键值存储模型和构建图形数据库。

Azure Cosmos DB——支持具有水平扩展的全局分布式数据库。以NoSQL格式存储的数据，保证了99%的single-digit-millisecond延迟。它不仅支持文档、图形、键值、表和列族数据模型，还支持扩展到多种语言的API支持。

MongoDB——MongoDB是NoSQL DB的早期版本之一，对于客户来说是非常好的开源存储，并且具有不错的成本效益模型。

IBM Cloudera DB——Cassandra是Cloudera的基础数据库，它支持基于java的api来与NoSQL数据库通信。

Oracle NoSQL DB——oracle NoSQL DB并支持水平负载均衡和节点扩展。

Service Mesh微服务架构

微服务架构在带来诸多好处的同时，也带来了处理故障、路由和服务发现方面的挑战。因此，在大规模构建以云为中心的服务时，不妨考虑Service Mesh微服务架构。

什么是Service Mesh微服务架构

Service Mesh是用于处理服务间通信的基础设施层，用于在云原生应用复杂的服务拓扑中实现可靠的请求传递。在实践中，Service Mesh通常是一组与应用一起部署，但对应用透明的轻量级网络代理。简单来说，Service Mesh是微服务通信的代理层。

Linkerd - It communicates between services and provides an abstract layer for accessing microservices. The key features are service discovery, load balancing, circuit breaking, dynamic request routing and distributed tracing.

Linkerd——Linkerd为服务之间通信提供支持，并为访问微服务提供抽象层，具有服务发现、负载均衡、断路、动态请求路由和分布式跟踪等特性。

Envoy——最初在其内部使用，而今作为Service Mesh解决方案开放了源代码。不过Envoy并不是为Kubernetes设计的。

Istio——Istio使用负载均衡服务创建已部署服务的网络以进行服务身份验证。服务监视是它支持的关键特性之一。

Rainbond——Service Mesh微服务架构是开源PaaS Rainbond在v3.6.0版本中的重点新增特性，可以开箱即用。Rainbond通过插件式扩展来实现治理功能，并对spring cloud、api gateway、dubbo等微服务架构框架有良好支持。

消息层

IoT是所有行业都在关注的增长领域。相信不少人都听说过，数据是一种新的石油这句话。自动驾驶、移动设备等等，每天都会向云平台输送大量数据。事件源（event sourcing）是捕获完整在线用户活动的另一个领域……种种情形和需求，让数据流工具成为众多企业必不可少的一部分。

Kafka——Kafka是一款基于发布／订阅的分布式消息系统，于2011年成为Apache的孵化项目，随后于2012年成为Apache的主要项目之一。Kafka使用Scala和Java进行编写，因其快速、可扩展的、高吞吐、可容错的特点而逐渐成为一项广泛使用的技术，适合在messaging、website activity tracking、log aggregation等大规模消息处理场景中使用。

Kinesis——Amazon Kinesis可让您轻松收集、处理和分析实时流数据，以便您及时获得见解并对新信息快速做出响应。Amazon Kinesis 提供多种核心功能，可以经济高效地处理任意规模的流数据，同时具有很高的灵活性，让您可以选择最符合应用程序需求的工具。

容器/架构即代码

容器化是对在云环境中运行应用和依赖的打包，即其中包含代码、环境变量、库等等。容器可以在任意云环境中运行，并为大规模迁移到不同云环境中提供灵活性。

Docker——Docker为封装和分发容器应用提供了一个开放的标准。Docker engine用于构建和运行容器，而Docker镜像一般存储在Docker hub中。

Kubernetes——Kubernetes现下已成为容器编排的标准，在Docker技术的基础上，为容器化的应用提供部署运行、资源调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集群管理的便捷性。

总结

以上工具和技术只是云平台的开始，需要企业，尤其是大型企业在构建云平台时，结合实际自身情况进行选择，为应用开发、存储、安全、日志记录和调试、监视和测试创建合理的路线图，这也是为开发人员增加生产力和实现目标提供清晰思路的有效方法。

END -

开源PaaSRainbondv3.6.0现已发布，新增Service Mesh微服务架构开箱即用，通过插件式扩展来实现治理功能，并支持spring cloud、api gateway、dubbo等主流微服务架构。