云原生技术的探索与实践

市场需求驱动下的云原生趋势

近几年来，随着云计算的迅速发展和数字化转型的推进，云原生技术成为了企业 IT 架构升级的重要方向。并且我有注意到，现在很多的云平台提供的服务器都有自带应用镜像，其中就包含 Docker 可视化 Portainer 镜像，云平台通常会根据市场需求和用户反馈来优化其服务，这也能说明越来越多的企业和个人开始采用 Docker 等容器化解决方案。随着越来越多的企业和个人开始采用 Docker 等容器化解决方案，云平台必然会更加注重提供与容器技术相关的服务和支持。这可能包括更高效的容器编排工具、更丰富的容器镜像库、更强大的容器安全功能等。这样在将来我们使用 docker 将会更加得心应手。

使用体会

容器带来的方便我真的是深有体会，因为我们公司在开发中经常会用到一些小工具，如 metabase、n8n 这些，我印象最深的就是有一次，公司需要大量兼职实习生对 AI 训练的素材进行标注，然后我就要在他们电脑上分别安装标注工具，经常会报一些奇奇怪怪的错，这个包版本高了，那个包版本低了，这台电脑却什么依赖。种种问题，层出不穷。后面我才发现 docker 中有这个工具的镜像，只需要一句命令就可以把工具快速部署。

在这一年开发中，我学会了 dockerfile 和 dockercompose 的编写与编排，深刻体会到了云原生技术的优势，我们只需要在 docker 配置文件中，提前编排好内容，在执行 docker 文件的时候，他就会按照你编排的内容，先准备一个基础镜像、拉取你的代码，构建、启动项目等等，它与你的主机是隔离的，不会受到主机上的插件或项目的版本影响。

docker 还具有可移植的特性，如我在公司项目中，像 AI 识别中对汽车车牌识别的功能，是比较通用的，然后我就可以将它拆分出来，作为一个单独的服务，那么之后在对其他项目进行扩展，或者是当前要对单个服务进行升级的时候，就不会受到耦合影响了。

不过要注意的是随着服务数量的增加，服务之间的通信和管理变得更加复杂，这时候就需要使用 Kubernetes 来管理我们的容器了

趋势预测

随着近几年 AI 大模型和边缘计算的兴起，我认为云原生技术将与 AI 技术在未来会紧密地结合。我们知道，像这些需要大量计算的应用服务，对硬件要求都是很高的，在将来如果将大模型和云原生结合在一起，那么我们就可以在需要使用大模型的时候，短租一个带 docker 应用镜像的高性能服务器，然后将携带可视乎界面的大模型容器启动在服务器中，从服务器启动到部署完成可能只需要几分钟，既节省了服务器成本，也省去部署应用的繁杂环节。

云原生应用将越来越多地部署在边缘设备上。这要求云原生技术更加轻量级和灵活，以适应边缘设备的资源限制和网络环境。这是云原生下一个需要攻破的难关。

相信在未来的发展中，云原生技术将继续推动云计算行业的创新和发展。我们应该密切关注这些趋势和技术发展动态，即使学习掌握新的技能和知识以适应这一变革。