公有云的几种形态，最被广泛认识的就是IaaS、PaaS、SaaS这三种，现在还层出不穷的还是DaaS，XaaS，也是万变不离其宗。今天我们TOS升级项顺利上线满月，喝了点酒，趁还正在还在12点前，作为订阅号，每天只能发一篇的机会不能浪费，那我就来谈谈我想到的公有云在集装箱码头的应用案例。
我还是以传统的IaaS、PaaS、SaaS来分。
IaaS层的应用场景
先来说IaaS的场景，IaaS就是用虚拟机啊，无论是Azure的VM或者是AWS的EC2，都是云端的虚拟机。使用虚拟机来运行云上的服务，个人觉得并不是一个很好的方案，因为虚拟机实例并不便宜。码头作业传统行业，一般都是本地自建的机房，PC服务器的资源也较有丰富，码头也很少有像互联网公司搞秒杀活动引发瞬间高峰而想借用云来负载短时间的压力，也就是弹性缩放能力。在IaaS层，如果用到云，和本地虚拟化的成本几乎是差不多的，只是省了一小部分时间。
快速组建测试环境
我们目前用到的VM的场景就是针对外包项目，快速为外包开发团队提供测试环境。好处在于环境搭建迅速，避免维护，隔离性好，避免外部厂商在开发测试某些对我司内部资源有强依赖的项目时，难以对外包厂商帐号以及网络权限做策略和管控的问题。云上的测试环境如果一定需要公司内部的一些资源，可以通过本地的安全设备直接与公有云网络实现VPN通路，通过安全设备实现网络甚至是应用级的访问控制策略。
利用云的骨干网实现高速互联
这个是曾经的一个想法，但是没有试过。
比如我们公司在宁波，总部在深圳，财务数据服务器的总部，每月做帐时从我们公司访问部服务器很慢，如果拉条专线，费用就呵呵了。于是我们有了一个想法，因为云数据中心基本上在骨干网上，速度比较快，我们和总部可以拉一条专线到公有云的数据中心，然后通过云把两端拉进VPN里，这样网速肯定会提高，而且也直接拉省际专线要省钱很多。
负载均衡和智能DDOS防御
码头不是互联网公司，网站并不是作业主要的业务入口，但是随着智能化、物联网和无纸化工作的推进，线上业务可能会变得越来越重要。用过公有云的同学肯定对LB组件很有兴趣，LB是个好东西啊，现在AWS和Azure都支持7层的负载均衡，支持状态检测、会议粘连、协议转换、应用转发等，非常好用，以到于，就算是只有一个实例的应用，也会为他创建一个LB组件，DNS直接解析到LB的地址。
对于DDOS攻击，一般的本地防火墙根本挡不住，你的带宽也不够，如果有这方面需要，AZURE和AWS的绝对是一个不错的选择。先让云给你挡一道。
PaaS层的应用场景
PaaS层的应用场景就于应用和架构有关系了。如果你用云，使用IaaS，好处是你不会被公有云厂商绑架，因为你用的都是OS和网络层的通用功能。就如上面所说，如果只用IaaS，发挥不出云的好处，因为你还要关注OS，还要关注网络。但是你用PaaS的资源就不同了，如果你使用SQL Azure，那么你把SQL安装和运维的事情省了，如果你用AWS的mysql，它还可以帮你做调优，数据库本身的运维根本不需要你来，你还能用到它的一些特性。比如AWS调优的Mysql和AZURE调优的MYSQL可能差异很少，但是如果 你选择SQL Azure，那么你只能选择AZure，其它家公有云根本不可能拿到SQL Azure的云端部署代码，也就是说如果你的应用基于SQL Azure，那你就选Azure一条道走到黑。
现在还有很多的XaaS，包括Docker As a Service，Container As a Service，我还是把它归到PaaS，这些还是有很多好处，你不再去搭建这类环境，也可以使用主流的编排工作。
SaaS层的应用场景
通用的我就不讲的，比如Office 365啊，Sharpoint Online啊，这些任何企业都能和。最近看东西的时候发现TOS也有SaaS版本的了。叫OCTOPI TOS，前两天刚在他们网站上提交了Demo试用的申请。用了之后到时再写个东西和大家分离。
其实我们的供应商也有过做云上TOS的打算。我目前还想象不出对于TOS这种实时性要求较高，客户端依赖很多资源的业务系统如何放到云上，架构如何重新分界。
综合场景
容灾与备份
这个可能是使用最多的场景。要求不同容灾的级别也不同，
基于IaaS的，对应容灾要求特别高的，可以做同构或者异构的数据或者应用级的容灾，甚至可以利用第三方工具做双活、多活。
基于PaaS/SaaS的，可以只做数据备份，可以通过特定工具把数据写入S3或者Blob 存储中。对于Azure 的Blob存储，微软还有专门的本地硬件提供。
应用程序部署
如果能充分应用云的弹性计算能力的应用，可以部署到云上，尽量避免通过IaaS层的资源去建立部署，而且使用类似cloud Service、WebApplication等Web承载服务和PaaS级别的数据库服务来运行应用系统，并且使用资源编排工具来定义应用所需要的资源和资源使用策略。
利用去的计算能力为企业应用提供大数据处理和深度学习能力
作业传统企业还很少有能力或者花费时间去搭建一个大数据处理平台，但是利用AWS和Azure只要点几个就能很方便的创建一套Hadoop集群环境。
现在我们已经利用了深度学习对集装箱号进行学习和识别，这种深度学习依赖于显卡的GPU，传统机房中也没有专门用于图形计算的GPU特别强劲的图形工作站，现在AWS已经提供了专门用于机器学习的GPU和显存特别多的VM类型，对于码头某些机器学习的场景，可以按需进行订阅使用。
智能认知服务和机器人框架
AWS和AZURE都提供了智能认识服务，从传统的TTS，语音识别，到现在的看图说话，人脸识别、情绪识别，公有云把现在已经成熟的机器学习成果发布到云上，我们可以很方便的进行调用。还有加入人工智能的机器人框架，可以帮助我们实现智能客户服务，对接应用系统，实现客户通过手机用自然语言进行业务查询。通过图像识别，用户可以把单据通过手机拍摄后提交给码头方，直接进行线上预录处理。
综述
场景还是挺多的，特别是结合AI和大数据之后。
一写就写到0点21分了，睡了。各位看官有什么好的想法，欢迎交流。
微信公众号：港科技 （gangkoukeji）