企业选择云计算平台,不能只比较虚拟机价格或者服务数量。真正影响长期成本和系统稳定性的,是网络架构、计算平台、存储模型、数据库能力、容器和AI基础设施、区域布局、合规要求以及企业现有技术团队的能力。
Google Cloud和Amazon Web Services(AWS)都是成熟的全球云平台,但两者在基础设施设计、产品组合和服务生态方面存在不同特点。企业如果只根据“谁的云更快”或者“谁的实例更便宜”做决定,很容易在实际部署后发现,真正影响成本的往往是网络流量、存储访问、数据库、日志、跨区域通信以及长期承诺折扣。
一、网络架构不能简单理解成Google动态路由和AWS静态路由
Google Cloud的Virtual Private Cloud(VPC)与AWS VPC都提供路由表、子网、下一跳和防火墙等网络控制机制,因此不能简单说Google Cloud采用“BGP动态路由”,而AWS采用“VPC静态路由”。
Google Cloud的VPC确实提供Cloud Router,并可以通过Border Gateway Protocol(BGP)动态学习和发布路由。例如,通过Cloud VPN、Dedicated Interconnect和Partner Interconnect建立连接时,可以使用BGP动态交换路由;Google Cloud也会根据动态路由模式和路径选择机制管理这些路由。
AWS VPC则主要通过Route Table定义目的网络和目标,例如Internet Gateway、NAT Gateway、Transit Gateway、VPC Peering或者VPN等。AWS同样支持通过BGP进行动态路由,例如Site-to-Site VPN和Direct Connect等场景,因此把AWS描述成“静态路由云平台”是不准确的。
真正值得比较的是两家云平台的网络设计和管理方式。例如企业需要大量VPC、跨区域网络、混合云连接、专线以及复杂路由策略时,应当实际测试路由收敛、故障切换、带宽、跨区域流量费用以及网络运维复杂度,而不能仅根据产品名称判断性能。
二、计算平台的差异比单纯比较CPU型号更重要
原文对Google Cloud N4的描述存在明显错误。N4并不是使用所谓“Titan系列芯片”。目前Google Cloud官方资料显示,N4采用第五代Intel Xeon Scalable处理器,也就是Emerald Rapids,同时使用Google的Titanium基础设施进行网络和I/O等任务卸载。Titanium是Google设计的基础设施架构,并不是N4所使用的CPU。
Google Cloud目前还提供N4A等基于Google Axion Arm处理器的实例,以及N4D等基于AMD EPYC的实例。因此,讨论Google Cloud的计算能力时,不能把N4、N4A、N4D混为一个处理器平台。
AWS同样拥有大量不同CPU平台,包括Intel Xeon、AMD EPYC以及AWS自研Graviton处理器。C4、C5等老一代实例属于不同历史代际,今天进行新架构设计时,更合理的做法是根据实际可用的当前实例系列、CPU架构、内存带宽、网络带宽、存储性能和价格进行基准测试,而不是直接比较十年前后的实例系列。
对于企业应用来说,CPU型号本身也不是最终答案。数据库、Java应用、容器、缓存、批处理、Web服务器以及AI推理,对CPU核心数、单核性能、内存容量、NUMA结构和网络性能的需求都不同。
三、存储复制不能把Persistent Disk和S3直接画等号
Google Cloud Persistent Disk与Amazon S3属于不同类型的存储产品,不能简单按照“谁的跨区域复制更强”进行比较。
Google Cloud的Regional Persistent Disk主要是在同一区域的两个可用区之间进行同步复制,用于提高区域内部的可用性。Google官方文档明确说明,写入数据时会同步复制到两个区域内的副本。
Amazon S3则是对象存储。S3 Cross-Region Replication(CRR)属于对象复制机制,Live Replication采用异步复制方式,将新创建或者更新的对象复制到目标存储桶。它并不是“同步复制并保证跨区域强一致”。
因此,如果企业需要数据库持久化、虚拟机磁盘、对象存储、备份或者灾难恢复,应该分别比较对应产品。例如Google Cloud Persistent Disk或Hyperdisk应该与AWS EBS等块存储进行比较,而Google Cloud Storage应该与Amazon S3进行比较。
跨区域复制还涉及RPO、RTO、复制延迟、数据一致性、故障切换方式和跨区域数据传输成本。企业真正需要确定的是发生一个Zone或者Region级故障时,能够接受多少数据丢失以及需要多长时间恢复,而不是简单选择“同步”或者“异步”。
四、全球流量管理不能只比较DNS
Google Cloud在全球负载均衡方面具有非常鲜明的基础设施特点。Google的全球外部Application Load Balancer可以使用全球Anycast IP,并通过Google Front End(GFE)和Google全球网络将用户请求引导到合适的后端。Google官方资料显示,全球外部Application Load Balancer可以在多个区域使用后端,并根据用户位置、后端健康状态和容量进行流量分配。
AWS也并非只能依赖Route 53。Amazon Global Accelerator提供全球Anycast静态IP,并利用AWS全球网络将流量发送到一个或多个区域中的健康端点。它能够持续监控端点健康状态,并在端点异常时调整新连接的流量方向。
Route 53本身也支持Latency-Based Routing,可以根据DNS查询来源和AWS区域之间的延迟选择端点。
因此,Google Cloud与AWS都能够实现全球流量调度和跨区域故障转移,只是实现路径不同。企业需要比较的是Anycast、DNS、全球负载均衡器、健康检查、故障切换时间、应用层路由以及跨区域架构,而不是简单判断哪一家“全球负载均衡更快”。
五、真正拉开差距的是数据库、容器和AI生态
如果企业已经大量使用Amazon RDS、DynamoDB、EKS、Lambda、SQS、CloudWatch以及IAM,那么迁移到Google Cloud不仅意味着更换计算实例,还意味着重新设计大量基础设施。
AWS最大的优势之一是服务生态非常庞大,企业可以从计算、数据库、消息队列、存储、容器、Serverless、安全和监控等多个层面组合服务。对于已经建立AWS技术团队和自动化体系的企业,继续使用AWS往往可以降低迁移成本。
Google Cloud则在数据分析、Kubernetes、AI和机器学习基础设施方面具有非常强的产品组合。BigQuery、Google Kubernetes Engine(GKE)、Vertex AI以及Google自己的TPU体系,使其特别适合数据分析和AI工作负载。
但“更适合AI”也不能简单理解成所有AI企业都应该选择Google Cloud。真正需要测试的是GPU或TPU供应情况、区域可用性、网络带宽、存储吞吐量、训练通信效率、推理成本、模型迁移难度以及团队已有的软件栈。
六、成本比较不能只看按小时价格
云计算成本最容易出现误判的地方,就是只比较EC2或者Compute Engine的实例小时价格。
实际账单通常还包括磁盘、快照、对象存储、数据库、负载均衡、NAT、日志、监控、公网流量、跨区域流量以及专线等费用。
对于长期稳定运行的工作负载,Google Cloud的Committed Use Discounts(CUD)以及AWS的Savings Plans或Reserved Instances都可能降低成本。对于短期、可中断的批处理工作负载,两家公司也都有相应的Spot或抢占式计算产品。
因此,不应该简单得出“Google Cloud的CUD一定比AWS便宜”或者“AWS Spot一定更适合弹性业务”的结论。真正应该建立的是单位业务成本模型,例如每百万次请求成本、每TB数据处理成本、每小时数据库成本、每个活跃用户成本,或者每次模型训练成本。
七、混合云选择还要看企业现有基础设施
企业如果需要把云计算与本地数据中心连接起来,两家的产品体系也有所不同。
Google Cloud过去使用Anthos作为混合云和多云管理的重要产品品牌,如今相关能力已经逐渐融入Google Kubernetes Engine及其他Google Cloud平台服务,因此不能简单把Anthos与AWS Outposts作为完全对应的两个产品进行比较。
AWS Outposts则强调把部分AWS基础设施和服务能力部署到客户现场。对于已经大量采用AWS API、IAM和云上运维体系的企业,这种模式可能更容易纳入现有架构。
对于混合云企业,最重要的问题通常不是“哪个品牌更先进”,而是本地系统需要保留多少、哪些数据不能离开本地、网络延迟要求是多少、身份认证如何统一、灾难恢复如何设计,以及未来是否存在迁移到另一家云平台的需求。
八、企业到底应该选择Google Cloud还是AWS
如果企业已经建立成熟的AWS基础设施,拥有大量EC2、RDS、S3、EKS和Lambda应用,那么继续使用AWS通常具有明显的迁移成本优势。
如果企业的核心工作负载集中在数据分析、Kubernetes、机器学习和AI基础设施,那么Google Cloud值得重点评估,尤其需要测试BigQuery、GKE、TPU/GPU以及全球网络与企业实际业务之间的匹配程度。
如果企业是新建项目,则应该先定义应用架构,再比较两家云平台。可以同时建立两个最小可运行环境,使用相同的数据量、相同请求模式和相同负载,对CPU、内存、网络、存储、数据库、延迟、吞吐量和实际账单进行测试。
云平台选择最终不是简单的Google Cloud对AWS,而是应用架构、网络架构、数据架构、团队能力和长期成本之间的综合决策。对于企业来说,最有价值的比较不是厂商宣传中的峰值性能,而是自己的系统在真实负载下每秒能够处理多少请求、每个请求需要多少成本、发生故障后多久能够恢复,以及未来三到五年是否能够持续维护这套架构。
Google Cloud 与 AWS 怎么选择,企业应该从技术和业务需求进行比较
图片说明:示意图 图片来源:Public Domain(公有领域)
喜欢这篇报道?
使用下面的功能,方便以后继续阅读和分享 MNewsTV
关于文章收藏
收藏不需要注册帐号,收藏信息仅保存在当前浏览器中。
删除收藏请进入「我的收藏」进行管理。
捐助(Paypal):
https://www.paypal.me/observeccp
订阅中国观察电报 Telegram:
https://t.me/s/ObserveCCP