程序猿/媛必知：2019年科技世界的8种改变

全文共1756字，预计学习时长3分钟

2018年已经接近尾声。随着所剩的天数越来越少，相信很多人都在期待一个全新的2019年和所有令人惊叹的科技趋势的到来。本文谈到了对新一年科技界的八个预测，包括DevOps、Kubernetes、开放源码等的未来趋势。

没有人知道未来会是什么样子。新的一年即将到来，本文就2019年开发人员将会期待哪些新的内容询问了一些专家。

显然，期待的内容不是一成不变的。不过，Couchbase负责产品和工程的高级副总裁兼首席技术官拉维·马尤兰的回答是：开源的碎片化，Kubernetes和无服务器的兴起，以及DevOps的持续相关性。

DevOps，无服务器，开源

1. 开源碎片化将使开发人员头痛。

我们正看到开放源码的转折点。例如，Oracle采取了一种更加商业化的Java方法，这造成了Java开发人员的碎片化。此外，一些数据库公司对他们的许可条款和开源模型进行了调整，这将给那些之前从软件中受益的云计算玩家带来问题。

2019年，开发人员将面临一项挑战，即需要选择一个可以满足他们的所有需求的开源平台，并与他们当前的技术一起协同工作而不存在需要再次进行调整的问题。

2. Kubernetes不断攀升成为支持 Cloud 2.0的另一个竞争者。

2018年，Kubernetes在整理了整个行业的包容器混乱之后，成为一个云编排层。但是我们仍然处于Kubernetes的早期阶段——随着包容器的软件生态系统在2019年的增长(例如：性能、跟踪、云监控)，Kubernetes将不仅仅是流程编排层。它将成为我们迈向Cloud2.0的操作系统，成为云技术的下一个发展阶段——智能的，由业务驱动的并使用真正的多云策略。

3. 无服务器变得不再神秘。

今天，每个CIO（首席信息官）和CTO（首席技术官）都在评估无服务器技术，但是潜在的供应商锁定和未知变量是阻止其被采用的一大约束。2019年，围绕无服务器的谜团将慢慢揭开——在这个过程中，它将得到更广泛的采用。今天，通过某些云实现，无服务器可以进行锁定操作，但是由于微服务为新型云操作系统奠定了基础，我们很可能看到一个支持技术的新兴生态系统的产生。

云计算和人工智能/机器学习

4. 由于缺乏跨云间的互操作性，多云实现遇到了新的问题。

由于提供者在标准化流程和互操作性完成之前还在不断创新，在多云环境中会出现一些问题，因为提供者创建了使用不同工作方式的接口。例如，谷歌和Amazon都有自己的消息传递系统，Kafka也是如此，开发的应用程序不会简单地迁移到另一个系统而不经历更改。到2019年，这些问题就会暴露出来——在跨云部署实现真正的互操作性之前，用户将会遇到很多麻烦。

5. AI/ML技术已奠定基础，现在真正的问题将浮出水面。

在过去的一年里，许多公司都在寻找在哪里以及如何应用AI/ML技术，许多公司仍在纠结“如何应用”这一问题。虽然这是事实，但基础已经奠定，心态已经转变，2019年将是关于AI/ML问题的重要一年——确切地说，就是公司如何决定用什么问题来训练他们的AI/ML算法。

围绕着伦理道德和偏见问题的对话，将会变得更加广泛。2019年，随着学术界和商界将共同努力开发一种更为可信的方法来开发未来的AI/ML，这种对话将持续下去。

6. 数据得到改进以支持AI/ML算法。

如今，数据仍然是人工智能中一个难题，并且是寻找有效的训练方法和得到真正可信的结果的一大障碍。数据的质量和可用性在同一家公司内可能存在很大差异，并且确定哪些数据是干净的、最新的和可信的都需要时间。2019年，随着数据价值的增长，数据系统将在企业内部受到更严格的审查，我们将看到大家将全方位努力解决数据质量问题，以更好地利用AI/ML技术。

7. 2019年将证明，物联网数据和边缘分析比预测分析更有价值。

许多公司目前都专注于预测分析——并有充分的理由，因为它可以在问题发生之前解决它们。但在未来一年，边缘分析技术将比预测分析技术带来更多的商业价值。边缘分析能够理解始终流动的千兆字节的物联网数据，以增强现场工作人员的能力、业务线决策，并在总体上帮助公司用不同的方式更好地为客户服务。虽然它最终将作为补充让预测分析变得更成熟，边缘的物联网数据和分析由于广泛应用，在未来一年的投资回报率将会有所增加。

数据库/ NoSQL的未来

8. 随着不同类型的数据库激增，数据库扩张将继续。

应用程序的开发人员正在以各种不同的方式创建大量数据，但数据都互相参杂，而没有一个可以存储和管理这些数据的灵活的服务方案。目前，开发人员正在为每个应用程序配备使用多个数据库，当用户拼凑多个数据库以堵塞系统中的不同漏洞时，就会造成数据库扩展。虽然从短期上看，能够使用新兴技术并拥有许多选择能带来巨大的收益。但企业需要考虑它们的长期目标，而不是选择拼凑而成的快速解决方案。

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

编译组：林珍花、韦振琛