گوگل “باز بودن” را یک درجه افزایش می دهد

مجموعه ای از تصمیمات هوشمند برای ایجاد یک اکوسیستم ابری باز، غول ابر را به موقعیتی قدرتمند رسانده است. اما تبدیل این گشودگی به مزیت پایدار آسان نخواهد بود.

Google Cloud همیشه رویکرد متفاوتی را نسبت به همتایان خود در hyperscaler اتخاذ کرده است. Google مدت‌ها قبل از اینکه جالب شود وارد منبع باز شده بود و به طور مشابه اوایل ایجاد شراکت برای رسیدگی به نیازهای مشتری بود. مطمئناً، همه جنبه‌های رویکرد گرم و فازی Google نیست بلافاصله کار کرده اند. در مواقعی شرکت نیاز دارد برای دستیابی به خریداران سازمانی کمی “خسته کننده تر” شود. با این حال، تلاش های جدی Google برای استفاده از باز بودن به عنوان یک اهرم استراتژیک برای رقابت و همکاری به طور فزاینده ای سودمند است و این هفته در رویداد Google Next 2022.

در مصاحبه ای با گریت کازمایر، معاون رئیس و مدیر کل تجزیه و تحلیل داده ها در Google Cloud، او بر اهمیت “باز” ​​(متن باز، استانداردهای باز، داده های باز) در سراسر جهان تاکید کرد و ۲۹ بار در گفتگوی ما به آن اشاره کرد ( بله شمردم). این را به بیش از ۱۰۰ بار استفاده از کلمه “باز” ​​در پست های وبلاگ، بیانیه های مطبوعاتی و غیره اضافه کنید، که Google Cloud امروز منتشر کرد و پیام کلی Google واضح است:

Google می‌خواهد ابر باز باشد.

این به نظر فوق‌العاده کرکی به نظر می‌رسد، اما می‌تواند در عمل قابل توجه باشد. ناگفته نماند که انجام آن فوق‌العاده دشوار است، و نیازمند یک رویکرد منحصربه‌فرد برای تفکر در مورد مالکیت محصول و داده است.

پرداخت باز

همانطور که نوشته‌ام، استقبال Google از منبع باز به آن کمک کرد تا در برابر AWS که اولین بار در بازار ابری بود، جای پایی محکمی پیدا کند. در مورد Google، من پیشنهاد کردم که اگرچه تعداد مشارکت‌کنندگان منبع باز قطعاً موفقیت را تضمین نمی‌کند، آنها می‌توانند در استراتژی‌های طولانی‌مدت و وسواس مشتری نقش داشته باشند و به تغییر شکل بازارها کمک کنند. این شرط بندی است، و به نظر می رسد که کار می کند.

در مرحله بعدی، Google Cloud با «یکپارچه‌سازی همه داده‌ها، از همه منابع، در هر پلت‌فرم»، گام‌های دیگری برداشت تا خود را به عنوان «بازترین اکوسیستم ابر داده» قرار دهد. کلمات “همه” و “هر” مقداری هذل انگاری را نشان می دهند، اما اجازه ندهیم که چگونه اعلامیه های بعدی Google Cloud را به حدی می رساند که حتی از راه دور به اندازه کافی برای بیان این جمله معتبر است:

• پشتیبانی از فرمت‌های داده اصلی مانند Apache Iceberg، Linux Foundation Delta Lake و Apache Hudi اضافه شد
• یک تجربه جدید و یکپارچه در BigQuery برای Apache Spark معرفی کرد
• یکپارچه‌سازی‌ها را با پلت‌فرم‌های داده‌های سازمانی محبوب مانند Collibra، Elastic، MongoDB (افشای: من برای MongoDB کار می‌کنم) و غیره را گسترش داد یا معرفی کرد.

با توجه به تعاملات Elastic با دیگر ابرها، مشارکت Elastic ممکن است بسیار جالب باشد، زیرا یک ادغام دو طرفه است: Google برای مشتریان آسان‌تر می‌کند تا درخواست‌های Elasticsearch خود را به دریاچه‌های داده‌شان متصل کنند. Google Cloud در حالی که پشتیبانی Looker را به پلتفرم Elastic گسترش می‌دهد.

من از دیوید مایر، معاون ارشد مدیریت محصول در Databricks، درباره ادغام دریاچه دلتا پرسیدم، با توجه به اینکه دریاچه دلتا توسط Databricks توسعه داده شده است، و Databricks و Google Cloud هر دو برای حجم کاری انبار داده با هم رقابت می کنند. مایر می گوید، این به مشتریان مربوط می شود. مشتریان ما گفتند که باید در گوگل حضور داشته باشیم. چرا؟ مایر می‌گوید خوب، شرکت‌های بزرگ‌تر Fortune 1000 «از منظر اهرمی به تنوعی در فضای ابری نیاز دارند، اما همچنین از دیدگاه داده‌ها». این شرکت ها در حال حاضر تمایل به استفاده از Google Ads دارند، بنابراین افزودن Google Cloud با گسترش فضای ابری خود بسیار منطقی است. اگر آنها بتوانند داده های خود را در دریاچه دلتا نگه دارند، این کار آسان تر می شود. از طریق این مشارکت و پشتیبانی Google Cloud از قالب Delta Lake، مشتریان می‌توانند BigQuery را برای داده‌های موجود در دریاچه‌های داده دلتا خود بدون نیاز به جابجایی آن اعمال کنند.

برنده شوید. برنده شوید.

Google همچنین برخی از مسائل مربوط به خانه داری را اعلام کرد (به عنوان مثال، انتقال همه خدمات هوش تجاری خود تحت نام تجاری Looker)، اما این شرکت با ادغام عمیق Looker و Google Workspace برای در دسترس قرار دادن بینش های مبتنی بر BI در بهره وری آشنا، فراتر از خانه داری رفت. ابزارهایی (Google Sheets) که مشتریان روزانه از آنها استفاده خواهند کرد. این به معنای منبع باز «باز» نیست، اما به معنای کاهش موانع برای استفاده از داده، باز است. سایر ابرها این کار را با تسهیل استفاده از آن انجام داده اند، به عنوان مثال، MySQL یا Linux. Google Cloud نیز چنین مواردی را ارائه می‌کند، اما با تسهیل استفاده از داده‌ها، نه فقط زیرساخت داده، یک قدم جلوتر می‌رود. معرفی Vertex AI Vision توسط Google مشابه است: این امر باعث می‌شود که بینایی رایانه و هوش مصنوعی تشخیص تصویر پیچیده‌تر برای متخصصان داده در دسترس باشد.

Google ممکن است تعداد زیادی از دکترا را به کار گیرد، اما به لطف ابتکارات جدیدی مانند این، ممکن است مجبور نباشید. این خوب است زیرا همانطور که کازمایر تاکید کرد، دارایی های داده های سازمانی فقط از نظر پیچیدگی رشد می کنند.

باز کردن داده در همه جا

صرف نظر از اینکه چقدر شرکت‌ها ممکن است ادعا کنند که در یک ابر واحد هستند، واقعیت آشفته این است که اینطور نیستند یا به ندرت چنین می‌شوند. کازمایر خاطرنشان می‌کند که CIOها می‌توانند Whac-A-Mole را با خزش برنامه در چندین ابر، از جمله زیرساخت‌های داخلی، بازی کنند، اما کازمایر خاطرنشان می‌کند: «داده‌ها در چندین ابر برای اکثریت عظیم شرکت‌ها پخش می‌شوند. بنابراین، MultiCloud به معنای استقرار یک راه‌حل بر روی چندین ابر و داشتن سیلوهای مستقل از یک فناوری نیست. در عوض، کازمایر نتیجه‌گیری می‌کند، “این در مورد اتصال داده‌های چند ابر به یک چشم‌انداز داده کل‌نگر است.”

این دیدگاهی است که Google Cloud را در آغوش چند ابری هدایت می‌کند و Anthos و سایر فناوری‌ها از آن پشتیبانی می‌کنند. همچنین به همین دلیل است که این شرکت این هفته اعلام کرد که اکنون امکان تجزیه و تحلیل داده‌های جریان بدون ساختار در BigQuery وجود دارد و شرکت‌ها را قادر می‌سازد تا تجزیه و تحلیل داده‌های ساختاریافته و بدون ساختار را در یک مکان (به نام BigLake) ترکیب کنند. این یک مشکل بزرگ و فوق العاده دشوار برای حل است. گوگل یک “کلاد داده” را اعلام نمی کند، بلکه در واقع به معنای “انبار داده ای است که داده ها را از ابر بیرون می کشد.” نه، این در مورد توانایی یکپارچه برای تجزیه و تحلیل داده‌های عملیاتی از پایگاه‌های داده مانند MongoDB در کنار هم با سرویس‌های انبار داده/تحلیل و سیستم‌های فعال‌سازی AI/ML صحبت می‌کند.

این جاه طلبانه است. تاثیرگذار است اما در عمل نیز فوق‌العاده سخت است، زیرا از Google می‌خواهد هنگام طراحی محصولات مشتری محور، فراتر از Google فکر کند.

تنها راه برای انجام آن این است که به مالکیت مطلق تجربه مشتری و داده‌های مرتبط فکر نکنید. هیچ کس مخالفت نمی کند که گوگل کدهای باز خلاقانه ای را در این صنعت ایجاد کرده است: Kubernetes، TensorFlow، و غیره. اما آنچه که Google Cloud و، من استدلال می کنم، هر یک از ابرها اکنون باید انجام دهند، نیست باشد. مبتکر همه چیز ابر برای هر فروشنده ای بزرگ است، مهم نیست چقدر بزرگ است. هیچ مقیاس‌کننده‌ای به اندازه کافی «هیپر» نیست که بتواند راه‌حل‌هایی برای رفع هر نیازی ایجاد کند.

تاکنون، به نظر می‌رسد Google موافق است.

همانطور که گفته شد، این شرکت همیشه شریک محور بوده است، اما در رویداد بعدی امسال، این شرکت محتوای بیشتری را اضافه کرده است. Kazmaier می‌گوید برای فعال کردن یک اکوسیستم شریک عمیقا یکپارچه، Google Cloud باید «۱۰۰% APIهای باز داشته باشد»، اما این کافی نیست. همچنین به این معنی است که API هایی که ما در محصولات شخص اول خود استفاده می کنیم، همان API هایی هستند که در معرض دید شرکای خود قرار می دهیم. بله، موارد لبه ای وجود خواهد داشت که این امکان پذیر نیست، اما این موارد استثنا هستند، نه قاعده. کازمایر ادامه داد: برای Google Cloud، بسیاری از بارهای کاری “به بهترین شکل توسط یک شریک ارائه می شود، و استراتژی ما این است که API های خود را باز کنیم تا آنها بتوانند بسازند. ما خود را در حال رقابت با آنها نمی‌دانیم.”

اگر این رویکرد متفاوتی به نظر می‌رسد، نه فقط در فضای ابری، بلکه به طور کلی در محاسبات سازمانی، چنین است. اما این بسیار با اصول اصلی گوگل مطابقت دارد. شاید این نتیجه طبیعی باشد اگر از درک این موضوع شروع کنیم که داده ها همچنان در حال انفجار هستند و نه در یک مکان خاص. اگر فرض کنیم که داده‌ها در میان ابرها رشد می‌کنند، هم ساختاری و هم بدون ساختار خواهند بود، به تجزیه و تحلیل زمان واقعی و دسته‌گرا نیاز دارند، و از راه‌های بی‌شماری دیگر پیچیده هستند، رویکرد Google Cloud شروع می‌شود. اجتناب ناپذیر به نظر برسد در چنین دنیای پیچیده ای پر از داده ها، “یک پلت فرم باز بهترین انتخاب برای مشتریان خواهد بود، زیرا در نهایت بیشترین انعطاف پذیری، بیشترین درجه انتخاب بین راه حل های متعدد و کوتاه ترین زمان برای ارزش گذاری بیش از هر چیز دیگری را به آنها ارائه می دهد.” کازمایر نتیجه می گیرد.

بحث کردن با این منطق سخت است.