Datalab來了：Google Cloud NEXT 17

最近情況比較多，專欄更新的順序都被打亂：三八婦女節 Google 在舊金山開了Cloud Next，花樣很多，除了去年一年的成果總結，也宣布了Google Cloud Platfom新的合作夥伴和上線的各項雲服務。新夥伴包括 Verizon 電信，SAP（ERP 大廠）、滙豐銀行和 ebay。支持的雲服務及升級大一堆（雲安全，數據分析，資料庫、機器學習等），移動端布署，基礎設施（全球各區的數據中心），以及開發者社區和工具。

飯碗所系，主要關心數據分析和機器學習。數據分析的新工具是 Cloud Datalab，就是在Google Cloud上架了一個 jupyter server，用來互動式數據分析和模型迭代。支持標準SQL、Python 和 Javascript，一些Google 自己的 API 也可以混用，比如說 Google Earth Engine，以及 Google Charts，Google Cloud Storage，Google Compute Engine，BigQuery。恍然覺得四海一統，萬里同風。

Jupyter 是個很好的交互性數據分析工具，徹底地改善了原來工作環境配置難、迭代慢、細節多不易隱藏等問題。有人把它稱作REPL（Read-Eval-Print Loop），有人稱作Reproducible Research。總之，數據分析中展示（present）和迭代的份量尤其重要。Jupyter 上生態豐富，支持 Python 和 R 的庫，又支持自身的擴展（Extension）。現在被 Google 整個納入，後端又接入了 Google 的計算資源和服務，整個的開發者社區、工具和方法必將有較大的發展。從另一方面來說，我覺得這對於仍舊以工具庫和 IDE為主要賣點，技術門檻又居高不下的另一些軟體廠商很有些不妙，比如 SAS 和 RStudio.....

Cloud Datalab向你展示的是：你乾的這些活，都可以在這裡幹得更好，我們還負責解決你的 scale 問題。在本地調好了模型，組織完了代碼，然後想要在超大的數據集上耍一耍。就為了這點事，原來就夠你喝一壺的，現在呢，就到 Datalab 里來吧！我們還有機器學習的新寵TensorFlow。

Cloud Datalab是一個開源方法的工業實現，你用了它，還是可以保持一定的獨立性，只不過到了I/O、並行的階段，你可以付費要些機時。關鍵就是它上手容易，我在 USGS 或 NASA，就得自己解決I/O和並行的問題，真是費勁。我現在的打算是用Datalab 做些探索性分析，然後回到 NASA 去處理大數據，但是如果同樣的一圈在 Google走下來所費的我能承受，我也就打算移情別戀了，畢竟時間成本居高不下，是最需要控制的支出。

機器學習（Cloud ML Engine）實際上只是幾個更具體的數據分析框架：主要突出 TensorFlow，可以從 Youtube、 Google Photo 和語音接入數據。簡言之，就是從若干的數據分析例子中挑選一些有賣點的，在Google 雲服務的支持下做了實現，然後打算買給付費能力更強的工業用戶。這個在消費者建模、視頻圖像語音識別方面都有實用，但與地數據目前的交集還較少。另外，Google 還搞了一些社區建設，比如買了 Kaggle，把自己的機器學習訓練集共享，從合作者那些弄一些 Challenges 來懸賞，等等。

總的來說，這屆 Cloud NEXT 是在「做事」與「布局」，技術上的亮點創新並不是很多，主要是在推各種各樣的 solution，期待開發者做出反應。對於一線指戰員，這些工具是些「重武器」，理論上會很強大，但實際效果如何，還需要集中安排時間來搞一搞。

推薦閱讀：