随着云的发展，新的应用，比如大数据分析和HPC也进入到云战场中。这些新的应用对于云的未来和性能意味着什么？

对云的定义，就像技术本身一样，是不断变化的。云的概念已经从一小组虚拟化的相同的x86服务器转变成一大群可以自动编排到在同一个共享池里的计算机资源。而这一改变打开了大数据分析和高性能计算这样的新应用的潘多拉盒子。

非传统计算的发展衍生了一些让人叹为观止的替代品。大数据的到来挑战计算达到新的性能和灵活性的极限。唯一向前的方法就是更大规模的虚拟化实例。在过去的一年，大部分云服务提供商的服务实例规模都达到爆炸性的增长。尽管许多人仍然会质疑大量实例的性能，比如在云端的高性能计算（HPC）和在本地相比。

将大数据和HPC迁移到云端引发了人们对于基于图形处理单元(GPU)选项的关注。GPU，即在一个单独的芯片上运行1000多个核，可以很好的用于搜索，基因组匹配以及其他需要高度并行化的任务。GPU性能正以摩尔定律两倍的速率增长，这很明显的将GPU放到下一代超级计算机的位置上。一些公司比如Nvidia为企业提供GPU性能的云。

大数据及其展望

对于很多企业来说，短期内使用一个GPU的决定和一个长期的选择可能会有所不同。大数据正在一个过渡的阶段，大部分的业务看到了其潜力，但是数据在系统之间的迁移仍然很缓慢。大数据趋势指向实时流式服务的使用。同时，数据流将呈指数级的增长，使得公司对正确的大数据策略的选择变得尤为关键。而这让大实例和GPU云更有价值。

小众公有云的出现为某些垂直行业提供服务，比如生物医学研究和金融市场。为了增加价值，这些云提供为特定使用场景调整的网络和存储。IBM使用Watson在神经网络模型的基础上产生推理结果。这个概念还在早期阶段，并且受制于可扩展性的约束，但是它与大数据分析的处理能力产生共鸣，并且可能在一些市场上成功。

云将同时在平台和市场细分上进行多层次的发展，并且正在超越早期采用的阶段。企业面临着许多选择，这其中有很多是和性能相关的。在这个快速发展的领域里，IT团队必须争分夺秒，赶上大数据的浪潮。而性能导向的公有云能够帮助避免代价高昂的投资失误。