[论文解读] A Comparative Taxonomy and Survey of Public Cloud Infrastructure Vendors

Dimitrios Sikeridis, Ioannis Papapanagiotou+2 more|arXiv (Cornell University)|Oct 4, 2017

Cloud Computing and Resource Management参考文献 60被引用 18

一句话总结

本文基于2017年底的公开资料，系统性地梳理并对比了亚马逊、谷歌、微软和IBM的公共云基础设施服务。研究将各厂商的云服务划分为七个核心类别——计算、存储、数据库、分析、数据管道、机器学习和网络，重点分析其功能相似性、服务设计、术语体系与功能集的差异，其核心贡献在于构建了一个标准化的参考框架，帮助企业和研究者在不妥协的前提下选择最优云服务。

ABSTRACT

An increasing number of technology enterprises are adopting cloud-native architectures to offer their web-based products, by moving away from privately-owned data-centers and relying exclusively on cloud service providers. As a result, cloud vendors have lately increased, along with the estimated annual revenue they share. However, in the process of selecting a provider's cloud service over the competition, we observe a lack of universal common ground in terms of terminology, functionality of services and billing models. This is an important gap especially under the new reality of the industry where each cloud provider has moved towards his own service taxonomy, while the number of specialized services has grown exponentially. This work discusses cloud services offered by four dominant, in terms of their current market share, cloud vendors. We provide a taxonomy of their services and sub-services that designates major service families namely computing, storage, databases, analytics, data pipelines, machine learning, and networking. The aim of such clustering is to indicate similarities, common design approaches and functional differences of the offered services. The outcomes are essential both for individual researchers, and bigger enterprises in their attempt to identify the set of cloud services that will utterly meet their needs without compromises. While we acknowledge the fact that this is a dynamic industry, where new services arise constantly, and old ones experience important updates, this study paints a solid image of the current offerings and gives prominence to the directions that cloud service providers are following.

研究动机与目标

• 解决主要云服务提供商之间在云服务术语、功能和计费模式方面缺乏统一标准的问题。
• 基于功能类别和服务成熟度，构建公共云服务的系统化分类体系。
• 从功能、设计和差异化角度，对比分析四大主流云厂商（亚马逊、谷歌、微软、IBM）的关键服务。
• 识别云服务演进中的功能缺口、共性模式和新兴趋势，为研究者和企业提供参考。
• 作为云服务选型的参考依据，并为多云互操作性、可靠性和性能等未来研究提供支持。

提出的方法

• 本研究基于2017年底公开的技术文档和服务说明，分析了亚马逊云服务（AWS）、谷歌云平台（GCP）、微软Azure和IBM云的官方资料。
• 将云服务划分为七大主要类别：计算、存储、数据库、分析、数据管道、机器学习和网络。
• 针对每一类别，映射并对比四大厂商提供的核心服务，重点关注功能、特性及架构设计。
• 分析强调了功能差异、术语不一致以及各厂商的独创性创新，例如AWS的DAX或谷歌的TPU。
• 未包含详细的价格分析，但承认其在决策过程中的重要性，指出该主题属于独立研究领域。
• 本研究具有时间限定性，反映截至2017年底的云服务状态，重点聚焦成熟、稳定的服务，而非实验性或快速演进的方案。

实验结果

研究问题

• RQ1 主要公共云提供商（AWS、GCP、Azure、IBM Cloud）在计算、存储和数据库等核心类别中的服务分类体系和功能提供方面有何差异？
• RQ2 截至2017年，四大主流云厂商在机器学习与人工智能服务方面的主要功能异同点是什么？
• RQ3 云服务提供商在术语和功能语义方面标准化程度如何？其分类体系的差异带来了哪些挑战？
• RQ4 云原生服务（如数据管道和无服务器计算）中主导的架构模式和设计方法有哪些？
• RQ5 在多云和混合部署背景下，云互操作性、可靠性和可扩展性方面存在哪些开放性研究挑战？

主要发现

• 四大主流云提供商在计算、存储和网络等核心领域均提供成熟且功能丰富的服务，当不考虑价格因素时，其功能表现相当接近。
• 数据库服务存在显著差异，各厂商突出不同优势：例如亚马逊的DynamoDB、谷歌的Spanner、微软的Cosmos DB，以及IBM的集成AI功能的Db2。
• 所有平台的机器学习与AI服务均已高度成熟，支持模型训练、推理，并可无缝集成至应用工作流。
• 各云提供商展现出独特创新：AWS提供DAX用于内存缓存，谷歌提供专用硬件（TPU），微软则通过FPGA加速Azure性能。
• 术语不统一和功能语义不一致仍是阻碍多云无缝集成与服务对比的主要障碍。
• 新兴挑战包括云间互操作性、大规模系统中的容错能力，以及在峰值工作负载下对数据库和AI工作负载进行基准测试的需求。