【摘要】 深入讲解通用时区数据库的组织和维护方法，以及在GaussDB(DWS)中是如何使用的。GaussDB(DWS)时区相关知识（一）GaussDB(DWS)中的时区1. 背景介绍前面两篇详细介绍了一下时区和夏令时是如何产生并一步步成为标准的，也大概介绍了一下通用时区数据库相关的知识。接下来，我们深入了解一下通用时区数据库的组织规则，以及时区和夏令时到底是如何维护的，GaussDB(DWS)中又是如何使用的。2. 通用时区数据库介绍各地的时区和夏令时规则由各自的政府独立管理，他们经常在有限的通知下进行变更。而且他们历史数据和未来计划也只是断断续续的记录下来。通用时区数据库试图组织和整理这一领域相关的数据。时区数据库，通常称为 tz, tzdata 或 zoneinfo，是一组包含大量代码和数据用来表示全球许多有代表性的地点的本地时间的历史信息，他会根据各个政体对时区边界和夏令时规则的改变而不定期的更新。数据库中每一个条目都代表这自1970年以来被广泛认可的民用时钟的时区信息。该数据库被很多项目引用，比如：the GNU C Library (used in GNU/Linux), Android, FreeBSD, NetBSD, OpenBSD, Chromium OS, Cygwin, MariaDB, MINIX, MySQL, webOS, AIX, BlackBerry 10, iOS, macOS, Microsoft Windows, OpenVMS, Oracle Database, 和 Oracle Solaris。GaussDB(DWS)同其它广泛使用的软件产品一样，也是采用了IANA维护的通用时区数据。该数据库由David Olson创立，由Paul Eggert进行编辑和维护。因而有些地方也将其称作Olson数据库。它的显著特色是由Paul Eggert设计的一套通用时区命名规则，每个时区按照“区域/位置”格式，得到一个独有的名称，例如“America/New_York”。英文地名中的空格用下划线“_”代替，连词符“-”只在英文地名本身包含时使用。时区数据库目前普遍有两个叫法 Olson时区数据库或IANA时区数据库。奥尔森（Olson）的数据有所变化，部分原因是奥尔森（AD Olson）即将退休，部分原因是针对维护者的版权侵权提起了诉讼（现已撤销）。2011年10月14日，国际互联网名称与名称分配机构（IANA）接管了时区数据库的维护工作。它会定期进行更新以反映各政治实体对时区边界、UTC 差值和夏令时规则的更改。对tz的更新遵循BCP 175流程进行管理。经常有一些国家变更时区规则，IANA每年都会发布最新的时区数据和解析源码库。IANA提供三种方法对时区数据库的访问：https://www.iana.org/time-zonesftp://ftp.iana.org/tz/rsync://rsync.iana.org/tz/时区数据库中包含各大洲原始的时区定义的文本文件和解析这些文本文件的代码文件。2.1 通用时区数据库源码相关资料：源码托管地址：https://github.com/eggert/tz 时区数据库的介绍 https://data.iana.org/time-zones/tz-link.html 时区数据库原理及使用 https://data.iana.org/time-zones/theory.html下载方法:mkdir tzdb cd tzdb wget https://www.iana.org/time-zones/repository/tzcode-latest.tar.gz #下载最新解析时区文本定义的代码文件 wget https://www.iana.org/time-zones/repository/tzdata-latest.tar.gz #下载最新时区定义的文本文件 gzip -dc tzcode-latest.tar.gz | tar -xf - gzip -dc tzdata-latest.tar.gz | tar -xf - #或者下载代码+数据的完整压缩包 wget https://www.iana.org/time-zones/repository/tzdb-latest.tar.lz #下载代码+数据的完整时区数据库 lzip -dc tzdb-latest.tar.lz | tar -xf -代码结构:时区数据库中包含的时区定义文件（文本文件）：africa antarctica asia australasia europe northamerica southamerica时区数据库中包含的代码文件（用于解析时区定义文件）asctime.c date.c difftime.c localtime.c strftime.c zdump.c zic.c安装目录结构：编译完成后的安装目录结构如下cd tzdb-2020a make TOPDIR=$HOME/tzdir install leap@gaussdb:~> ./sbin/tree -L 3 tzdir/ | more tzdir/ ├── etc │ └── localtime #本地时区文件 └── usr ├── bin │ ├── tzselect #设置时区的工具 │ └── zdump #以文本展示某个时区变化历史的工具 ├── lib │ └── libtz.a #解析时区文件的静态库文件 ├── sbin │ └── zic #时区编译器，可将时区定义的文本文件编译成二进制时区文件 └── share ├── man ├── zoneinfo #编译好的各个时区文件 ├── zoneinfo-leaps └── zoneinfo-posix -> zoneinfo #IANA的时间数据库被the GNU C Library (used in GNU/Linux)采用，因此install后的目录也按linux的系统目录来组织。代码中的zic.c是一个将时区定义的原始文本文件解析成二进制时区文件的工具。如果一个软件产品需要从IANA获取最新时区数据的话，需要同时获取源码和数据，并生成zic解析器将时区数据生成时区文件给软件产品使用。时区文件的解析代码在localtime.c中2.2 时区原始数据的规则及维护方法时区数据库的RAW文件，是按照一定的规则组织的文本文件。样例如下：该规则设计的很科学，能记录时区及夏令时变更的历史信息。使用该通用时区库能自动的转换历史时间，也因此该库被广泛采用。这里介绍一下莫斯科的时区定义Zone NAME STDOFF RULES FORMAT [UNTIL] Zone Europe/Moscow 2:30:17 - LMT 1880 2:30:17 - MMT 1916 Jul 3 # Moscow Mean Time 2:31:19 Russia %s 1919 Jul 1 0:00u 3:00 Russia %s 1921 Oct 3:00 Russia MSK/MSD 1922 Oct 2:00 - EET 1930 Jun 21 3:00 Russia MSK/MSD 1991 Mar 31 2:00s 2:00 Russia EE%sT 1992 Jan 19 2:00s 3:00 Russia MSK/MSD 2011 Mar 27 2:00s 4:00 - MSK 2014 Oct 26 2:00s 3:00 - MSK1992年1月19日凌晨2点到2011年03月27日凌晨2点，采用东三区2011年3月27日凌晨2点到2014年10月26日凌晨2点，采用东四区2014年10月26日凌晨2点以后采用东三区如何阅读时区数据库的RAW文件 https://data.iana.org/time-zones/tz-how-to.htmlVSCode的Zoneinfo插件可以通过语法高亮的方式查看时区数据的RAW文件时区数据库的基本功能是提供 时区数据原始文件 和一个将 时区数据原始文件 转换成 时区文件 的一个编译器：zic。可以通过 man zic 了解时区文件编译器（将时区定义文本文件编译成二进制时区数据文件）的使用3. 通用时区数据库使用每个时区名的具体定义都存在于时区文件中，比如：/etc/localtime。操作系统支持的时区文件存储在/usr/share/zoneinfo/目录下。我们数据库支持的时区文件存储在share/timezone目录下。时区文件有统一约定的格式要求（来自IANA维护的时区数据库），可以使用info tzfile查看。时区文件固定开头结构：struct tzhead { char tzh_magic[4]; /* TZ_MAGIC，固定在开头的特征字符"TZif"来标识时区文件 */ char tzh_version[1]; /* '\0' or '2' or '3' as of 2013，版本信息 */ char tzh_reserved[15]; /* reserved; must be zero */ char tzh_ttisutcnt[4]; /* coded number of trans. time flags 保存在文件中的UTC/local指示器数目*/ char tzh_ttisstdcnt[4]; /* coded number of trans. time flags 保存在文件中的standard/wall指示器数目*/ char tzh_leapcnt[4]; /* coded number of leap seconds 其值保存在文件中的leap second的数目*/ char tzh_timecnt[4]; /* coded number of transition times 其值保存在文件中的"变化时间"数目*/ char tzh_typecnt[4]; /* coded number of local time types 其值保存在文件中的"本地时间类型"数目(非零!)*/ char tzh_charcnt[4]; /* coded number of abbr. chars 保存在文件中的"时区简写符"数目*/ };跟在上面这些头部后的是tzh_timecnt 个"标准"字节顺序的四字节 long 类型值, 以升序排序. 每个值均作为一个变化时间(就像 time(2) 的返回), 系统依赖这些值来计算本地时间变化.而在此之后的是 tzh_timecnt 个 unsigned char 类型的一字节值, 这些值指出了文件中描述的多种"本地时间"类型中哪一个与具有相同索引的变化时间相关. 这些值可作为 ttinfo 结构数组的索引.而 ttinfo 结构在文件中随后就有定义, 描述如下:struct ttinfo {long tt_gmtoff;int tt_isdst;unsigned int tt_abbrind;};结构包括一个"标准"字节顺序的四字节 long 类型值 tt_gmtoff,以及一个一字节的 tt_isdst和一个一字节的 tt_abbrind.在每个结构里, tt_gmtoff 给出了要被加到UTC的时间, 以秒为单位,tt_isdst 表明 tm_isdst 是否可通过 localtime (3) 设置,而 tt_abbrind 可作为时区简写符的数组索引, 该数组在文件中跟在 ttinfo 结构后面.这样就有 tzh_leapcnt 个标准字节顺序的四字节对, 每个四字节对的第一个值给出一个leap second发生的时间, 就如 time(2) 的返回; 每个四字节对的第二个值给出给定时间之后所实现的总的 leap second数. 四字节对按时间的升序排序.同样有 tzh_ttisstdcnt 个standard/wall指示器, 每个保存了一个一字节值; 这些指示器指出了变化时间(与本地时间类型相关)是否被说明为standard time或者wall clock time, 以及当一个时区文件被用于处理POSIX 格式时区环境变量时是否使用变化时间.最后, 有 tzh_ttisgmtcnt 个UTC/local指示器, 每个保存了一个一字节值; 这些指示器指出了变化时间(与本地时间类型相关)是否被说明为UTC 或者local time, 以及当一个时区文件被用于处理 POSIX格式时区环境变量时是否使用变化时间.如果 tzh_timecnt 等于零或者时间参数比文件记录的第一个变化时间小的话, Localtime 就使用文件中的第一个标准时间 ttinfo, 或者在没有标准时间结构是就直接使用第一个 ttinfo 结构.可以通过 man zdump dump二进制时区数据文件，了解如何查看一个时区的变更历史./zdump -V Asia/Chongqing | more Asia/Chongqing Sat Dec 31 16:53:39 1927 UT = Sat Dec 31 23:59:59 1927 LMT isdst=0 gmtoff=25580 Asia/Chongqing Sat Dec 31 16:53:40 1927 UT = Sat Dec 31 23:53:40 1927 LONT isdst=0 gmtoff=25200 Asia/Chongqing Wed Apr 30 16:59:59 1980 UT = Wed Apr 30 23:59:59 1980 LONT isdst=0 gmtoff=25200 Asia/Chongqing Wed Apr 30 17:00:00 1980 UT = Thu May 1 01:00:00 1980 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat May 3 15:59:59 1986 UT = Sat May 3 23:59:59 1986 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat May 3 16:00:00 1986 UT = Sun May 4 01:00:00 1986 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 13 14:59:59 1986 UT = Sat Sep 13 23:59:59 1986 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 13 15:00:00 1986 UT = Sat Sep 13 23:00:00 1986 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 11 15:59:59 1987 UT = Sat Apr 11 23:59:59 1987 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 11 16:00:00 1987 UT = Sun Apr 12 01:00:00 1987 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 12 14:59:59 1987 UT = Sat Sep 12 23:59:59 1987 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 12 15:00:00 1987 UT = Sat Sep 12 23:00:00 1987 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 9 15:59:59 1988 UT = Sat Apr 9 23:59:59 1988 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 9 16:00:00 1988 UT = Sun Apr 10 01:00:00 1988 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 10 14:59:59 1988 UT = Sat Sep 10 23:59:59 1988 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 10 15:00:00 1988 UT = Sat Sep 10 23:00:00 1988 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 15 15:59:59 1989 UT = Sat Apr 15 23:59:59 1989 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 15 16:00:00 1989 UT = Sun Apr 16 01:00:00 1989 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 16 14:59:59 1989 UT = Sat Sep 16 23:59:59 1989 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 16 15:00:00 1989 UT = Sat Sep 16 23:00:00 1989 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 14 15:59:59 1990 UT = Sat Apr 14 23:59:59 1990 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 14 16:00:00 1990 UT = Sun Apr 15 01:00:00 1990 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 15 14:59:59 1990 UT = Sat Sep 15 23:59:59 1990 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 15 15:00:00 1990 UT = Sat Sep 15 23:00:00 1990 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 13 15:59:59 1991 UT = Sat Apr 13 23:59:59 1991 CST isdst=0 gmtoff=28800 Asia/Chongqing Sat Apr 13 16:00:00 1991 UT = Sun Apr 14 01:00:00 1991 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 14 14:59:59 1991 UT = Sat Sep 14 23:59:59 1991 CDT isdst=1 gmtoff=32400 Asia/Chongqing Sat Sep 14 15:00:00 1991 UT = Sat Sep 14 23:00:00 1991 CST isdst=0 gmtoff=28800因为我国从1991年开始取消了夏令时，所以就不再变化。4. GaussDB(DWS)中如何使用时区数据为了国内用户的使用方便，GaussDB(DWS)根据IANA的定义的语法规则，在内部帮助用户定义了 Asia/Beijing 时区，其定义与 PRC 时区定义一致。位于按装目录下的 timezone/Asia/Beijing查看Asia/Beijing的具体定义：./zdump -V Asia/Beijing Asia/Beijing Sat May 3 15:59:59 1986 UT = Sat May 3 23:59:59 1986 CST isdst=0 gmtoff=28800 Asia/Beijing Sat May 3 16:00:00 1986 UT = Sun May 4 01:00:00 1986 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 13 14:59:59 1986 UT = Sat Sep 13 23:59:59 1986 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 13 15:00:00 1986 UT = Sat Sep 13 23:00:00 1986 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 11 15:59:59 1987 UT = Sat Apr 11 23:59:59 1987 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 11 16:00:00 1987 UT = Sun Apr 12 01:00:00 1987 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 12 14:59:59 1987 UT = Sat Sep 12 23:59:59 1987 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 12 15:00:00 1987 UT = Sat Sep 12 23:00:00 1987 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 9 15:59:59 1988 UT = Sat Apr 9 23:59:59 1988 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 9 16:00:00 1988 UT = Sun Apr 10 01:00:00 1988 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 10 14:59:59 1988 UT = Sat Sep 10 23:59:59 1988 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 10 15:00:00 1988 UT = Sat Sep 10 23:00:00 1988 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 15 15:59:59 1989 UT = Sat Apr 15 23:59:59 1989 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 15 16:00:00 1989 UT = Sun Apr 16 01:00:00 1989 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 16 14:59:59 1989 UT = Sat Sep 16 23:59:59 1989 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 16 15:00:00 1989 UT = Sat Sep 16 23:00:00 1989 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 14 15:59:59 1990 UT = Sat Apr 14 23:59:59 1990 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 14 16:00:00 1990 UT = Sun Apr 15 01:00:00 1990 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 15 14:59:59 1990 UT = Sat Sep 15 23:59:59 1990 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 15 15:00:00 1990 UT = Sat Sep 15 23:00:00 1990 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 13 15:59:59 1991 UT = Sat Apr 13 23:59:59 1991 CST isdst=0 gmtoff=28800 Asia/Beijing Sat Apr 13 16:00:00 1991 UT = Sun Apr 14 01:00:00 1991 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 14 14:59:59 1991 UT = Sat Sep 14 23:59:59 1991 CDT isdst=1 gmtoff=32400 Asia/Beijing Sat Sep 14 15:00:00 1991 UT = Sat Sep 14 23:00:00 1991 CST isdst=0 gmtoff=28800现在GaussDB(DWS)中所有关于时区的知识都介绍完了，希望从原理和维护角度的深入学习彻底扫除时区使用的疑惑，如果有相关问题欢迎在论坛中提问。5. 总结综上，GaussDB(DWS)作为一款面向全球用户的高性能分析型数据库产品，对时区数据的支持也是符合工业界标准规范的。想了解GuassDB(DWS)更多信息，欢迎微信搜索“GaussDB DWS”关注微信公众号，和您分享最新最全的PB级数仓黑科技~转载来自：https://bbs.huaweicloud.com/blogs/247561

【功能模块】【操作步骤&问题现象】1、详细看截图2、FacilityManagement 那该怎么编译发布啊【截图信息】【日志信息】（可选，上传日志内容或者附件）

助力千行百业释放数据价值，华为云大数据推出0元试用30天活动，包含4款明星产品↓MapReduce服务：大数据集群云服务，支持数据湖/数仓/BI/AI融合，数据搬迁“代码0修改，业务0中断”。现提供鲲鹏通用计算增强型，4U16G Master节点*2+Core节点*3,1个月套餐包。数据湖治理中心DGC：数据全生命周期一站式开发运营平台，可复用行业知识库，助力企业快速构建数据运营能力。现提供初级版，1个月免费试用。数据湖探索服务DLI：提供一站式的流处理、批处理、交互式分析的Serverless融合处理分析服务。云搜索服务 CSS：兼容Elasticsearch完全托管在线分布式搜索服务，用于站内搜索/日志分析/运维监控等场景，现提供现提供鲲鹏通用计算增强型，4U8G，高IO 100G，免费试用。一、活动时间2021年6月10日-2021年7月10日；云产品体验名额有限，领完即止。二、参与对象完成华为云实名认证（企业认证或个人认证均可）；三、活动流程0元购买上面任意一款产品，即可添加小助手入群抽奖，抽取：（具体规则会在群公告公示）荣耀智能体脂秤一个罗技无线鼠标五个定制短袖五件点击链接0购买下面服务体验套餐https://activity.huaweicloud.com/Date-free.html，购买后将华为云账号私法小助手，然后回复【大数据】即可入群四、说明1、符合“参与对象”的同一用户仅能对同一产品申请领取1次。（各服务体验套餐包均可领取1个）（1）同一用户指：在华为云注册、登录、使用过程中的实名认证信息、手机号、邮箱、设备或地址如果一样，则视为同一用户；（2）同一产品指：每类产品只能选择一种配置进行免费试用，请在领取时确认规格、地域等相关信息，领取成功后将不支持更改。2、如用户账号下存在未支付订单，会导致系统对用户试用资格的审核无法通过；在此情况下，用户须将相应的未支付订单作废后，方可正常参与相应产品的试用（去订单管理）；3、用户参与免费试用所获得的相应权益，仅限本账号使用，不得转让、出售或以其他方式换取利益；4、为保证活动的公平公正，华为云有权对恶意刷抢（如通过程序等技术手段）活动资源，长期资源闲置，利用资源从事违法违规行为的用户收回免费套餐使用资格；5、如用户在活动中存在隐瞒、虚构、作弊、欺诈或通过其他非正常手段规避活动规则、获取不当利益的行为，例如：作弊领取、恶意套现、网络攻击、虚假交易等，华为云有权收回相关权益、取消用户的活动参与资格，撤销违规交易，必要时追究违规用户的法律责任；所有参加本活动的用户，均视为认可并同意遵守《华为云用户协议》。

6月18日，华为云TechWave全球技术峰会（人工智能&数据）将在上海举办，更多云原生创新技术和丰富实践还将与大家见面，华为云FusionInsight MRS解决方案架构师还将带来“MRS云原生数据湖，推动离线分析走向实时”的主题演讲，从行业趋势、技术创新、业务实践等方面解读MRS云原生数据湖。在信息高速流动的数字经济时代，数据的时效越高，价值就越大。大数据平台将逐渐演进成数据流动和汇集的中枢，数据向大数据平台聚焦的速度会越来越快，同时大数据平台对外提供数据服务的时效也会越来越高。传统大数据平台缺少事务和增量更新的能力，协同分析需频繁搬迁数据，易产生数据冗余，且无法保障数据的一致性；传统大数据平台往往采用批量集中处理，端到端数据的时效性通常需要T+1到T+2，造成上层业务感知慢、实现逻辑复杂等问题，已经无法满足数字经济时代快速变更的业务诉求，尤其在实时营销、实时推荐等分析场景。政企客户亟需增强大数据平台供数能力，通过数据实时入湖实时供数，对上层应用提供敏捷高效支撑。华为云FusionInsight MRS云原生数据湖为政企客户提供湖仓一体、云原生的数据湖解决方案，构建一个架构可持续演进的离线、实时、逻辑三种数据湖，支撑政企客户全量数据的实时分析、离线分析、交互查询、实时检索、多模分析、数据仓库、数据接入和治理等大数据应用场景，使政企客户高效用数、简化用数，助力政企客户实现一企一湖、一城一湖，业务洞见更准，价值兑现更快。伴随政企数字化转型进入深水区，面对错综复杂的数据分析场景和数据激增带来的数据结构变化，华为云FusionInsight MRS云原生数据湖又是如何推动大数据分析从离线走向实时，帮助政企客户解决多场景的数据分析诉求，成为政企数字化转型中首选的数据底座呢？6月18日，让我们一起相约华为云TechWave全球技术峰会（人工智能&数据）。目前，华为云FusionInsight MRS云原生数据湖携手800+合作伙伴，已服务于60多个国和地区3000+客户，广泛应用于政务、金融、运营商、能源、医疗、制造、交通等行业。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html 

灵活就业的措施有三大政策值得期待。一是开展平台灵活就业人员职业伤害保障试点。这里稍作展开具体的方式主要有：探索用工企业购买商业保险、保险公司适当让利、政府加大支持的机制。二是灵活就业人员参加城乡居民基本养老保险的兜底措施也如箭在弦。三是推动放开灵活就业人员在就业地参加社保的户籍限制。当务之急是，利益上，平台和灵活就业者之间能有个起码的平衡；体制上，让灵活就业人员能有个渠道，他们的事需要专门的责任主体去管。除了基础性的保障，必要的职业培训也是很重要一环——为他们将来的转型发展做好准备。——知名评论人石述思与2019年相比，今年企业招聘人数和求职人数同比均上涨，但招聘人数涨幅低于求职人数涨幅。2021届全国普通高校毕业生达909万人，再创历史新高。然而，今年新进入就业市场的年轻人远不止这个数目，还包括自考、函授等非全日制高校毕业生，初高中毕业生，以及仍未就业的2020届毕业生。智联招聘平台数据显示，3月，仍有41.6万2020届毕业生在求职，同时海归回国求职人数也大幅增长。智联招聘进行的2021应届毕业生调查显示，截至4月中旬，8000多名受访者只有56.9%选择找工作，较去年下降了18.9个百分点；12.8%选择慢就业，同比上升6.6个百分点。——智联招聘人力资源顾问王一新由于我国多地积极规划数字经济蓝图，5G与云计算、大数据、人工智能、工业互联网发展浪潮奔涌，企业竞相展开布局，由此带来新一代信息技术上下游硬核科技人才紧缺，成为各大企业争夺的目标。芯片领域的Si/GaN新材料研发专家、DRAM研发专家、IC工艺研发专家平均年薪可达80—150万元，跳槽薪酬涨幅高达50%；大数据领域，数据平台研发、数据应用开发和数据产品类人才炙手可热，部分资深工程师年薪已超150万元；云计算、物联网领域，平台架构、解决方案、智能运维高层次人才成缺口，部分岗位年薪超过200万元，跳槽薪酬涨幅接近40%。

天气，关乎地球上所有人的生产生活。古时候，人们看天吃饭，如今，我们是看天气预报，提前做好工作生活的准备，比如：预测台风、洪水，给出预警，做好应急方案；结合污染排放数据和大气流动预报空气质量；海洋养殖根据气候变化及时修改培养策略；……除此之外，国防、交通、保险、智慧城市等等领域，都依赖着气象数据。在这样一个关乎民生的行业里，人工智能、大数据、超算这些技术，可发挥的潜力也是无限的，华为云MVP周峥就是其中的技术践行者，他正带领着团队为国内气象行业带来一股温柔而不失力量的春风。气象市场红利：5年翻20倍2015年是气象领域的转折点，自此之后，垄断的时代宣告结束，气象服务逐渐向商业公司开放。有数据统计，气象市场在未来几年内将有20倍的成长空间，2025年将达到3000亿的市场规模。对比之前7年翻一番的数据，市场开放带来的红利显而易见，一大波新兴的创业公司涌入。2018年，周峥也毅然跨入了这波浪潮中。在创立九方科技之前，周峥在气象领域已经有了一定的技术积累。作为武汉大学&俄亥俄州立大学联合培养博士，他是清华大学地球系统科学系高级工程师，也担任过国家超级计算（无锡）中心部门主管、高级工程师。周峥擅长系统结构设计、核心算法设计等，参与过多项国家重大科研课题的研发工作，论文发表、软件著作专利，各种国家级奖项，不一而足。正是在国家超算无锡中心的研究工作，促成了他的气象大数据创业。周峥带领原部门“地球系统数值模拟部”近20位同事探寻超算产业化与商业气象服务的商业化之路。技术人才的强强联合，让这个从国家科研团队走出的创业公司，成功实现了连续三年的公司盈利。把预报做准确，实非易事作为公司创始人&CEO，周峥带领核心研发人员，基于“神威·太湖之光”超级计算机系统，结合超级计算与人工智能等技术，研制了国产自主的智能网格预报平台，在气象、海洋数值预报方面领域取得技术突破。以海洋数值预报为例，周峥介绍道，在海洋养殖方面，海水水流过急，海带就会冲断。如果温度过高，海参就会直接化成水了，如果温度突然太低，螃蟹就难以存活。于是，他们通过“三维海洋要素智能预报系统”，用科学的手段分析海产品养殖区域情况，不仅可预报海洋温度、盐度、海流这些信息，还可进行营养盐、海洋生物化学等要素的预报。“我们做的事情，就是把天气预报给报准。”看似这句话很简单，但也是最具挑战性的。周峥谈到，他们的定位是数据的生产者，而不是数据的搬运工。所以，周峥和团队耦合了大气、海洋、海浪、海冰、陆面等多个气象预报模式，汇集了卫星、雷达、站点等多类数据，并结合数值预报、人工智能、超级计算技术，形成从气象预报到气象信息应用的完整产业能力与技术壁垒。而且与多数气象公司不同的是，周峥和团队具备自研气象预报数值模式，以及直接加工源数据和应用的能力，这也是他们的杀手锏。他们把数据和AI算法相结合，利用强大的算力推出准确度、精细度更高的气象预报数据，据了解，他们可将大气、海洋预报的时间精度和空间精度进一步提升至分钟级更新和百米级网格水平。比如在大气污染监测方面，周峥和团队已经做到准确度近90%；在厄尔尼诺现象方面，可以提前6个月预测等等。周峥和华为云的合作，也让他们的气象预报能力更上一层台阶。比如，通过华为云高性能计算HPC集群打造大气污染预警系统。其中，HPC管理节点将计算任务通过SGE资源调度系统进行任务投递，集群内基于弹性云服务器搭建的计算节点承担主要计算任务，同时将所有处理结果存储在弹性文件服务，共享存储结果。据了解，华为云HPC解决方案针对HPC Workload进行优化，实现HPC资源按需租用，能够帮助用户降低成本，提升气象预报的效率和准确度，帮助气象业务快速向智能化、云化、和数字化转变。最后深耕气象行业多年，通过历年的技术攻克，周峥和团队也取得了一系列的荣誉与资质。在国家级、省市级的各类大赛中多次获得奖项，积累专利、软件著作等知识产权26项。他们也完成了10余项国家级科研项目研究课题，发表大量科研成果。并加入中国气象服务协会、国家海洋信息产业发展联盟、中国港口协会、华为解决方案伙伴战略合作计划。未来周峥也将面向G端和B端客户提供精细化的气象数据及综合解决方案，包括和华为云合作，基于自研数值模式和人工智能预报技术为行业客户提供更精细化、更针对性的产品和服务，覆盖智能气象预报、大气环保、航运导航、金融保险等等领域。

5月27日，“贵州·进而有为 华为云城市峰会暨贵州数字峰会2021”在贵阳国际生态会议中心成功举行。华为公司高级副总裁、华为云CEO、消费者云服务总裁张平安致辞。本次大会以“智变 质变”为主题，贵州省相关领导、产业及学术各界的意见领袖齐聚一堂，共同探讨如何构建城市与产业发展的新格局，加速贵州数字经济的高质量发展。峰会上还重磅发布了贵安华为云数据中心、云上鲲鹏品牌服务器暨贵州首台鲲鹏服务器、数据要素市场可信流通联合创新成果，并进行了多个签约活动。贵州省大数据局局长、贵阳市委副书记马宁宇，贵安新区党工委副书记、管委会副主任张吉兵等出席。华为云中国区总裁洪方明，贵州省生态环境厅厅长杨同光，省大数据局副局长娄松，黔西南州委常委、副州长刘志华，华为中国区云与计算CMO张鹏等作主题演讲。拓维信息系统股份有限公司董事长李新宇，华为公司副总裁、ICT产品组合与解决方案部总裁马海旭，华为中国区副总裁、中国区云与计算总裁张修征，华为公司贵州总经理金伟锋等企业负责人，贵阳市政府秘书长许俊松参加。以“数”取胜，贵州因数据而璀璨从“经济洼地”走向“中国数谷”，贵州数字经济增速已连续六年排名全国第一，其中大数据产业功不可没。不得不说，大数据，已悄然改变生活的模样，亦正在重塑一座城池。华为公司高级副总裁、华为云CEO、消费者云服务总裁张平安发表《以创新智变，迎产业质变，携手打造多彩贵州“中国数谷”》主题演讲，他指出：今年数博会的年度主题是“数智变，物致新”，华为云城市峰会的主题是“以智变，创质变”，可见数据产业的创新智变、产数融合的数字经济高质量发展，已经成为产业界最关心的热点与共同面对的课题。而数据的资产管理、共享流通、安全治理直接关系着数字经济的高质量发展。贵州连续六年数字经济增速全国第一，今年是十四五的开局之年，也是贵州大数据产业从率先创领先、价值化、服务千行百业的关键一年，对中国数字产业化和产业数字化的谋篇布局意义重大。华为公司高级副总裁、华为云CEO、消费者云服务总裁张平安会上，贵安华为云数据中心正式启动发布仪式，将助力现代基础设施体系构建及发展。该中心建设规模超100万台服务器，将成为华为全球最大的数据中心，而且华为云全球运营中心也将建立在贵安新区。同时，作为贵州省鲲鹏产业发展的核心企业——拓维信息旗下云上鲲鹏在大会上正式发布云上鲲鹏品牌服务器，这不仅是“贵州造”鲲鹏服务器的首次亮相，更彰显了鲲鹏产业生态在贵州这片大数据沃土上扎根生长的良好态势。此外，贵州大数据局、云上贵州、华为三方联合发布数据要素市场可信流通联合创新成果，该成果的发布将促进数据要素市场蓬勃发展。加速升级，抢抓数字经济发展新机站在新一轮产业变革的前沿，数据正潜移默化的改变着贵州的发展路径。未来，贵州将抢抓数字经济发展新机，深入挖掘大数据“钻石矿”，开拓数字经济“新蓝海”。华为云中国区总裁洪方明强调，贵州在云1.0时代抓住大数据产业发展的关键时期，构建了大数据产业在新型基础设施建设方面的竞争力，为贵州整个产业数字化打下了非常坚实的基础。进入一个新的阶段，产业数字化将是未来整个经济发展最核心的内容。而贵州在大数据产业具有领先地位的脊柱能力，将如何赋能产业？促进产业发展？这是贵州和华为以及广大伙伴一起面对的课题。华为云基于云原生2.0，希望通过打通数据，来实现数据驱动产业，构筑面向企业的全栈技能，让企业从原来以资源为中心，走向以应用为中心，推动整个业务应用发展。华为云中国区总裁洪方明贵州省生态环境厅厅长杨同光做《“微服务”构建大平台 大数据助力大生态》的主题分享。他指出：在十三五期间，贵州省生态环境厅积极探索将大数据先进技术和生态环境治理融合起来，努力探索生态环境大数据建设的有效路径，助力生态环境治理，为守好发展和生态两条底线，筑牢长江、珠江上游生态屏障做出了积极贡献。贵州省生态环境厅厅长杨同光贵州省大数据发展管理局副局长娄松以《贵州以云服务助力数字经济发展的愿景》为主题，分享了自身对贵州数字经济发展的看法。他指出：经过这几年的探索，在大数据某些细分领域，贵州已形成自身的竞争力，云计算、云服务就是我们的招牌和优势。可以说，云服务是贵州数字经济增长重要增长点，将成为贵州数字经济“抢新机”的重要抓手和支撑。贵州省大数据发展管理局副局长娄松地处黔滇桂三省区结合部的黔西南，风景如画，交通便利，已形成集公路、铁路、水运、航空、管道五位一体的综合交通运输体系。会上，黔西南州委常委、州人民政府副州长刘志华在发表《深耕数据“蓝海”实现弯道取直》主题演讲，他表示：“黔西南州大数据发展优势明显，要积极在实施数字经济战略上抢新机，为‘十四五‘大数据发展开好局。“黔西南州委常委、州人民政府副州长刘志华贵阳国家高新区管委会代表在主题演讲中强调，近年来，贵阳国家高新区持续推进大数据战略行动，积极参与数博大道建设，推进十、百、千、万工程和品牌培育工程，合作共建了华为软件开发云、工业云等一系列的开放平台，聚集了提升政府治理能力大数据应用技术国家工程实验室、云上贵州集团等一大批大数据企业，逐步构建了大数据产业体系，为推动区域产业数字化、数字产业化作出了积极示范。贵州省农村信用社联合社信息科技部技术总监刘超聚焦数据赋能、普惠金融谈到：银行的数字化转型困难多、挑战大，信息化是数字化的基础，所以数字化又是信息化的延伸，在信息化升级方面持续提高数据的应用程度，依然是我们当前信息科技工作的重点。贵州省农村信用社联合社信息科技部技术总监刘超不忘初心，以创新驱动未来从2017年成立之时，华为云立下与伙伴同行，打造“智能世界五朵云之一”的志向。如今，华为云已经实现了这一诺言。会议现场，华为云与计算中国区CMO张鹏以“Cloud for Good 2021让技术更有温度”为主题，围绕华为云、价值和未来这三个关键词，为大家分享了华为云探索初心的故事。他指出，依托华为公司30多年来在ICT技术上的沉淀和积累，我们一直致力于为企业提供创新、安全可信、可持续发展的云服务，去帮助客户更好地解决问题。也是从那时起，我们提出了Cloud for Good选择不凡，我们的初心就是希望与客户、合作伙伴，以及广大的用户一起把5G、AI、云这样的技术带给更多有需要的个体和组织，在解决商业问题的同时，去为社会造就不凡的价值。华为云与计算中国区CMO张鹏峰会最后，华为技术有限公司与贵州云上鲲鹏科技有限公司、云上贵州大数据产业发展有限公司等25家生态企业一同正式成立“贵州鲲鹏计算产业联盟”并举行联盟揭牌及成员授牌仪式。贵州鲲鹏计算产业联盟揭牌及成员授牌仪式同时，华为技术有限公司贵州政企业务部总经理袁立代表华为与贵州守望领域数据智能有限公司签署合作协议，双方将聚焦贵州公共安全领域开展全方位的合作，共同推动贵州社会平安建设事业迈向新高度。不仅如此，为加快智慧校园建设与人才培养，华为分别与贵阳学院、六盘水职业技术学院就创新人才培养、科研合作交流、智慧校园建设等方面达成合作协议，并在会议现场进行了框架合作协议签署。会上，华为还与六盘水师范学院联合举行了华为云学院授牌仪式，双方共谋发展，将为产业转型升级提供更加坚实的一线人才支撑。新中国成立七十多年，贵州发展按下了快捷键，跑出了加速度。从后发赶超的贵州发展，我们看见了中国速度。大数据在贵州落地生根，数字经济在贵州蓬勃发展。面向未来，贵州正勇立潮头，以“智变”创“质变”，掀起经济发展的新篇章！来源：网易

物联网、云计算、大数据、人工智能这四个关键词是目前科技界热门的话题，它们之间既有技术方向上的差异，但是又具有融合的基础与趋势。如果将四个关键词看做一个整体，拟人化来表示，物联网就是感知外界的一切器官，可以是眼睛看、耳朵听、鼻子闻、皮肤感触，感知外物的一切；云计算是提供强大的能力去接受这个数据；大数据是对海量的数据进行挖掘和分析，把数据变成有用信息；人工智能解决的是对数据进行学习和理解，把数据变成知识和智慧。　　物联网　　我们知道，物联网是物物相连的互联网。我们目前的日常生活中也经常会与物联网技术有交集，通过物联网，我们可以对机器、设备、人员进行集中管理、控制，以及搜索人和物体的位置、状态和信息等，以各种设备为端口，收集到各种类型的数据，云里物里研发的温湿度传感器能实时收集到温湿度数据。这些数据的汇总，就会聚集成大数据，所以说，物联网是基础，它收集数据。       云计算　　云计算是一个计算、存储、通讯工具，物联网、大数据和人工智能必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术才能形成行业级应用。云计算相当于人的大脑，是物联网的神经中枢。目前很多物联网的服务器部署在云端，通过云计算提供应用层的各项服务。云计算可以认为包括以下几个层次的服务：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。　　大数据　　大数据是一种规模大到在获取、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据相当于人的大脑从小学到大学记忆和存储的海量知识，这些知识只有通过消化，吸收、再造才能创造出更大的价值。　　大数据和云计算的关系从技术上来看，大数据和云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。　　人工智能　　人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。　　物联网、云计算、大数据、人工智能之间相辅相成，在这四个层次中，物联网是在数据的采集层，云计算是在承载层，大数据是在挖掘层，人工智能是在学习层，所以它们是层层递进的关系。通过物联网产生、收集海量的数据存储于云平台，再通过大数据分析，人工智能提取有用的信息持续深度学习，最终人工智能会促进物联网的发展，形成更加智能的物联网社会。本文部分来源网络，如侵删。

　6月4日，由中国信息通信研究院主办，云边协同产业方阵、云计算开源产业联盟承办，中国IDC圈协办的“2021云边协同大会”在京召开。会上，中国信息通信研究院联合多家企事业单位共同成立“云边协同产业方阵”，并发布国内首个分布式云与云边协同标准体系。　　工业和信息化部信息技术发展司信息服务业处二级调研员李琰李琰在致辞中表示，经过多年的发展，云计算已从概念导入期进入广泛普及、应用繁荣的新阶段，云计算整体产业和生态日趋成熟。同时，边缘计算愈加备受关注，随着国家在5G、工业互联网等领域的支持力度不断加深，预计未来边缘计算的使用率将快速增长。云计算与边缘计算通过紧密协同的方式，可以满足各种数字化新时代场景的算力需求，能够最大化体现云计算与边缘计算的应用价值。李琰表示，在今后工作中，工信部**司将从以下几方面持续提升云计算、边缘计算发展创新动力和活力，助力云边协同产业发展：一是努力营造良好发展环境，完善政策体系，打造产业生态；二是着力突破关键核心技术，强化云边、云网、云管能力，推动企业提升技术服务水平；三是促进云计算与新基建融合发展，依托云计算平台培育融合大数据、人工智能、区块链技术的新产品、新业务、新服务；四是深入推动企业上云，通过丰富产品服务供给、改善上云服务体验等，引导企业深度上云用云。　　大会现场举行了云边协同产业方阵成立仪式，中国信息通信研究院云计算与大数据研究所所长何宝宏、中国信息通信研究院云计算与大数据研究所副所长栗蔚、北京航空航天大学教授任磊、招商局集团外运创新科技有限公司总经理祝建军，以及中车四方所、海尔工业智能研究院、阿里云、华为云、浪潮云、腾讯云、中国移动云能力中心、优刻得、谐云科技等企业代表，共同出席成立仪式。未来，“方阵”将联动云边协同领域内的政、产、学、研、用等多方角色，进一步凝聚产业共识，整合优质资源，搭建测试环境，开展技术攻关，完善标准体系，扩大合作范围，提升产业总体竞争力，建立健康产业生态。　　对于国内首发的分布式云与云边协同标准体系，中国信通院云大所副所长栗蔚进行了解读。栗蔚表示，当前，越来越多的企业不断开展数字化转型，基于云边协同的数字基础设施一体化平台可以实现数字基础设施能力的组件化、模块化封装，将云计算的能力延伸至边缘，为上层业务应用提供更加全局化的弹性算力资源，为企业业务创新提供高效、低成本的一体化服务支撑。针对各行业用户对于云边协同多维度、多场景的个性化需求，中国信通院联合产业各方，从关键技术、基础服务、软件与解决方案、硬件设备、行业应用五个维度，构建完整全面的分布式云与云边协同标准体系，为助力各行业依托云边协同场景开展数字化转型提供专业参考，为推动云边协同产业生态发展贡献力量。　　大会还公布了业界关注的2021可信云·云边协同类评估结果、2021分布式云与云边协同十佳实践案例结果、2021云边协同应用创新大赛结果等重磅成果，并全面解读了《云边协同关键技术态势研究报告》。这份报告由中国信通院联合云边协同产业各方共同撰写，涉及云边协同管理、边缘容器、边缘数据处理、边缘智能、MEC、边缘安全体系、边缘物理设备、开源边缘计算平台等八大技术方向。

中国经济周刊-经济网讯 6月3日上午，中国移动长三角（常州）钟楼云计算中心项目启动。该项目由常州移动与钟楼经济开发区合作共建，位于华东云计算基地内，总投资超过20亿元。建成后，将提供3000余个5～7KW机架，可承载服务器设备3万台以上，出口带宽达2.5T。项目作为新基建的“基石”，将立足于国家十四五规划“新基建”建设要求，积极打造中心化、高质量、碳达峰IDC机房，为加速我市信息化产业升级，建设“数字常州”“智慧常州”提供强有力的支撑保障。钟楼区委书记沈东在致辞中表示，中国移动是国内移动通讯领域的头部企业，对钟楼区产业的转型升级，尤其是大数据、云计算等新兴产业的发展给予了大力支持，开展了密切合作。此次开工的钟楼云计算中心项目，既是钟楼区积极融入长三角一体化的行动缩影，也是大数据产业高峰的生动实践，更是全力攻坚重大项目的重要成果，必将成为钟楼高质量发展征程上浓墨重彩的一笔。钟楼也将以此次项目开工为契机，不断集聚更多优质企业，全力推动大运河数字港建设。沈东希望，合作双方密切协作，共建、共产、共赢，真正把云计算中心建设成为中心化、高质量的IDC机房样板和符合“碳达峰”要求的项目典范。钟楼区将继续秉持“人人服务、事事周到”的服务理念，尽最大努力做好配套服务，积极创造有利条件，全力支持和服务好云计算项目的建设发展。该项目将承载移动云常州节点建设责任，推进常州移动IDC+云能力建设，为长三角地区用户提供标准化与定制化服务，依托华东云计算基地产业集群优势，以及国家智能制造系统集成体验验证中心和国家健康医疗大数据（东部）中心两大国家级重要平台，共同推进常州“IDC+云”能力生态建设。常州市委副书记、市长陈金虎，市政府秘书长周承涛，江苏移动党委书记、董事长、总经理周毅，钟楼区相关部门负责人以及部分企业员工代表参加活动。（吴飞）

6月3日至4日，华为智慧金融峰会2021在上海成功举办，峰会以“数智金融、升级有道”为主题，汇聚金融行业领军人物，共话大数据前沿技术，探讨金融行业数字化转型之道。    在本次金融峰会中华为云联合FusionInsight智能数据湖的伙伴发布一系列云原生2.0金融大数据解决方案，发展共创共享共赢的金融生态。其中，华为云联合北明软件发布保险集团统一数据平台联合解决方案，依托FusionInsight实现数据资产化、共享化、服务化的统一建设，助力保险集团数字化转型；华为云联合Kyligence发布大数据OLAP联合解决方案，基于FusionInsight助力客户快速发掘海量数据业务价值，驱动金融高效商业决策。华为云数据使能，加速金融数据资产化在“华为云数据使能，加速金融数据资产化”分论坛上，华为云FusionInsight携手工商银行、北明软件等客户与伙伴共同分享金融数据解决方案创新与实践，包含工商银行大数据体验演进历程及规划，华为云FusionInsight分享金融行业智能数据湖创新与实践，北明软件分享保险集团统一数据平台建设实践等议题。工商银行大数据平台产品经理袁一在演讲中表示，工商银行携手华为云FusionInsight智能数据湖持续创新探索，让工行大数据平台持续演进，通过滚动升级，业务无中断；通过大数据存算分离，使全局数据统一存储，上层架构更灵活；通过HetuEngine提升全行13000名分析师即时BI体验，形成集技术、数据、服务于一体的大数据服务体系，不断提升工行金融服务实体经济能力，倾力打造服务于经济高质量发展的数字工行。（工商银行大数据平台产品经理袁一演讲）华为云FusionInsight总经理杨志勇讲到，华为云FusionInsight智能数据湖提供湖仓一体化的现代数仓平台，客户可因地适宜设计自己的湖仓一体化数据架构，从单一离线跑批走向实时，T+0供数加速业务创新，让开发者轻松驾驭数据。目前已在工行、招行等大型金融企业成功实践，极大提升了用户体验。在2020年IDC MarketScape和2021年Frost&Sullivan评估中，FusionInsight多项指标领先国内大数据厂商。（华为云FusionInsight总经理杨志勇演讲）北明软件副总裁张翼表示，北明软件依托华为云FusionInsight智能数据湖，通过“湖仓一体化、流批一体化、数据服务化”的平台架构思想，构建保险集团统一数据平台，实现数据价值发现和提升，助力保险集团数字化转型。（北明软件副总裁张翼演讲）        金融行业是数字化转型的先行者，在不断的探索与创新中，FusionInsight将提供前沿湖仓一体技术，深度结合金融业应用场景，助力金融机构构建一企一湖、一城一湖，业务洞见更准，价值兑现更快！        在金融领域，华为云 FusionInsight已在工商银行、建设银行、招商银行等银行、证券、保险行业广泛应用。工商银行使用FusionInsight湖仓一体解决方案，实现金融数据湖与金融数仓的高效协同，提升全行13000+分析师即时BI体验。金融业存在很多场景需跨多部门进行数据协同，但往往需要数小时甚至数天。通过HetuEngine数据虚拟化引擎，实现跨湖跨仓秒级协同分析，数据免搬迁；提供统一SQL接口简化用数，使金融业务上线缩短到天级。       目前，华为云FusionInsight智能数据湖携手800+生态伙伴，已服务于60多个国家3000+客户，广泛应用于政务、金融、运营商、制造、交通、能源等行业。更多精彩文章：https://bbs.huaweicloud.com/forum/thread-66105-1-1.html

尽管云计算已经前前后后发展十余年，但它的火热局面依旧没有被时间所消磨。根据Gartner统计，2015-2020年，全球云计算市场渗透率逐年上升，由4.3%上升至13.2%，至2021年，全球云计算渗透率将上升至15.3%。利好趋势存在，让众多云计算厂商都获得良好的业绩表现。例如5月20日腾讯发布的2021年Q1财报数据显示，腾讯金融科技及企业服务业务收入同比增长47%至390亿元。其中，企业服务收入同比增速较上季提升，主要由于项目部署恢复、企业软件及在线视频客户的需求增长，以及自去年第四季合并易车的企业服务收入所推动。腾讯云为此做出重要业绩贡献。除此之外，像金山云、Ucloud、阿里云等相关云计算厂商也都实现了营收的正向增长。整体欣欣向荣。可话说回来，云计算虽然发展形势大好，但蛋糕终究有限。别人多吃一点，自然自己拿到的也会少一点，因此在云计算市场，各家厂商的竞争一直十分激烈。不过，以往的竞争，只能算是初级竞争，毕竟在消费互联网主导的时代，上云最多的都是互联网公司，云计算能提供的价值也主要在数据存储与弹性计算。来到当下，随着企业们纷纷认知到数字化转型的重要性，传统企业与政务企业也开始看重价值增量，共同推动产业互联网时代到来之际，也释放了巨量基于当下时代特点的上云需求。需求改变，供应端也要随之改变，于是在云计算下半场，云厂商们纷纷从底层的IaaS竞争上升到顶层服务和生态建设全面比拼，竞争已经升级。那么，在这么多的云厂商中，谁能在下半场展现出惊人实力，最有可能称雄市场呢？答案就在下文中。01基础设施建设能淘汰80%固然要谈论的是云计算下半场竞争，关注重点是所谓的“价值落地”，但依旧不能忽略在基础设施IaaS+PaaS的竞争。先说IaaS，官方将其定位为基础设施即服务，是整个云计算最底层的存在，在当下看上去并不起眼。可是不要忘记，当下的2.0竞争，是在之前提供类似“水电”基础服务上，进行的“增值服务”，如果连“水电供给”稳定、安全的基础需求都不能保证，所谓的“增值服务”也只会是空中楼阁。而随着越来越多的上云需求释放，仅仅依靠之前的IaaS基础设施规模与技术能力，恐怕无法保证这一基础要求，因此提升IaaS层次的服务器规模和安全技术能力，依旧极为关键的重点。再说PaaS平台，作为承接IaaS以及SaaS的中间层，也是云厂商们巩固基础竞争力的关键点。因为PaaS能够迅速开发及迁移应用程序和服务，有望帮助用户企业大幅缩短进入市场的时间，迅速匹配市场需求，实现产品快速迭代，PaaS还可用来测试和准备应用程序，以便部署到云环境，然后将应用程序迁移到生产环境。所以即便是当下有更轻量、更具象的SaaS产品存在，但相比于提供半成品，让企业可以自我加工的PaaS，依旧受到大众的密切关注。说到这里，有关IaaS+PaaS方面竞争的关键性，已经不言而喻，值得所有云厂商深度布局。但回归现实，当真能可以参与这方面竞争的厂商，却寥寥无几。要知道，IaaS+PaaS是重资产建设，不是每个云厂商都能玩得起的，动辄数十亿、百亿的建设投入、长达三年、五年的人员投入，以及后期高昂的运维与迭代成本，可以让资金能力不足的中小厂商瞬间出局。例如腾讯云在2020年放出消息称，未来5年要将5000亿重点投入到云计算、人工智能、区块链、服务器、大型数据中心等重点领域。阿里云在2020年放出3年投入2000亿的消息，用于云操作系统、服务器、芯片、网络等重大核心技术研发攻坚和面向未来的数据中心建设。根据市面消息，腾讯云的投入多集中在数据库与技术层面，目前已在多个地区成功开服数据中心，而且同步进军了东南亚市场、甚至中东地区都有辐射。其中，天津数据中心4号楼目前通过“LEED数据中心运营与维护”铂金级认证，是北亚及中国区首个获此级别认证，也是目前全球最大的数据中心。而阿里云旗下的大数据平台Maxcompute、云数据库PolarDB、分布式数据库Oceanbase，以及新发布的宜搭低代码平台，同样在业界获得了一定认可。因此综合以上分析，可以判定在云计算下半场竞争中，寡头效应会越加明显，问鼎概率高的依然是头部厂商。02 SaaS生态或是短期胜负手在IaaS+PaaS的基础设施层次，头部云厂商无法在短时间内分出高低，那就再向上探索，来到应用层看看能否一决雌雄。上文也曾说到，随着产业互联网逐步逼近，“价值落地”成为决定竞争的胜负手，那么如何进行价值落地呢？答案就是“SaaS生态”。具体来说，目前的云厂商们，主要提供还是云计算底层和中间层服务，价值表现并不具象，即便在应用层SaaS有所布局，但也因为精力有限，只能满足几种特殊的商业场景。可是在企业进行数字化转型过程中，释放的需求除了细微、垂直，还很复杂，这让任何一个单一的云厂商都无法完成。而且参考现实发展，可以看到多数B端企业是不会，也不能直接使用公有云的。因为企业需要的是一个整体系统，只有把SaaS和公有云打包，才能真正服务B端企业。因此，云厂商们需要通过采取合作的方式，在应用层进行布局，通过组成SaaS生态的模式，深化到各行各业的场景之中，完成“价值落地”的目标。而这也导致在云计算下半场，云厂商SaaS生态的强弱，决定了各家竞争力的强弱。或许这样的说法，看上去有点骇人听闻，但绝非「ToB行业头条」无的放矢。在2021年5月17日，IDC发布的《全球半年度公共云服务跟踪报告》中，就有研究表示，微软之所以能在全球云计算市场有16.6%的份额，进而可以威胁到全球最大云厂商AWS，其关键就得益于SaaS和SISaaS两大产品组合不断扩大。所以在重视“价值落地”的云计算下半场，云厂商组建SaaS生态，借助众多SaaS合作伙伴的力量，确实能有效提升自身的市场竞争力，甚至可能创造“一锤定音”的效果。目前各家云厂商也纷纷认知到此模式的重要，并开始布局，组建基于自己为主的SaaS生态，但是由于各家业务属性问题，SaaS生态的强弱确是比较明显。像华为云、火山引擎、百度智能云，因为自身对于此方面的重视较晚，在SaaS层寻找合作伙伴的早期主动意愿相对于腾讯云、阿里云来说较弱，此方面的成果自然也就相对弱一些。腾讯云与阿里云虽然都重视SaaS生态建设，但是在于兼容性和连接性方面，腾讯云目前投入的似乎更多一些。资料显示，腾讯云为了提升Saas厂商之间的互联互通和相互集成，它通过鹊桥iPaaS大幅降低了SaaS产品之间的集成门槛和难度；通过玉符IDaaS解决统一身份认证的难题；通过神笔aPaaS降低应用开发的门槛，让企业可根据场景定制应用。不仅如此，腾讯云还推出了企业应用连接器，可实现横跨不同SaaS产品的统一账户登录及数据连通，使SaaS供应商更有效地开发及交付产品，同时协助企业客户更好地协调多项SaaS解决方案。近期在腾讯财报中，腾讯还表示将继续加强效率办公SaaS产品及安全软件，以及与SaaS供应商及独立软件供应商的合作伙伴关系和对它们的投资，以支持客户的数字化需求。进一步增强在SaaS生态上的优势。基本上可以断定，在云计算下半场，大家比拼的是「价值落地」，而在这一个层面腾讯云明显已经比友商多出了一部分的胜算。03 深耕产业互联网眼界决高低即便是说多了一部分胜算，也不能说腾讯云稳赢。就像上述提到的微软，就曾凭借自己对云计算市场走向的认知，打出了一个翻身仗，步步紧逼AWS。而基础设施的建设和应用层的高阔布局，都是在为深耕产业互联网，重塑供应链做准备。但这种准备，只是在点上进行升级，想要打造，需要“连点成面”，对供应链进行全方面价值提升。这就导致在深耕产业互联网的过程中，阿里云、华为云等厂商，如果能准备塑造、升级一个全链路供应链的一个准确且长期发展战略规划，理论上是可以弥补在SaaS生态上的认知失误。同理，腾讯云如果想持续维持自己的发展优势，自然也做出塑造、升级全链路供应链的打算。因此在近期可以看到，目前的这些头部云厂商高谈一些新战略规划。例如腾讯云关注的“C2B”，阿里云提出的“云钉一体”和“云端一体”，百度智能云高谈的“云智一体”华为云推进端、云一体化战略等等。从短期战略意义上来说，上述这些规划都是正确的发展方向，帮助各家云厂商在自身亮点的基础上，展开“扬长避短”的打法，让自己立于不败之地。但从长期来看，“C2B”战略有着一定优势。因为从市场的角度来看，虽然说云厂商们要做的是深耕产业互联网，可是把格局变大，深耕产业互联网的目标，也是为了帮助企业在消费市场获得更好表现，因为商业模式的最终变现，一定是在C端。腾讯云的“C2B”战略，从提出来开始，就已经确认了塑造新型供应链到C端变现的全链路市场。实施底层进行数据服务，SaaS进行应用服务，加上腾讯在消费市场的巨大流量接口，配合微信小程序应用，从而保证了用户企业在全面接入腾讯云之后，可以在B端及C端实现价值升级。不要觉得这是危言耸听，要知道微信小程序的价值远超过大众认知。腾讯2021年Q1财报中就曾明确指出，微信小程序正在近一步增加在中小企业的渗透率，其生态日益蓬勃，其低代码开发平台协助小企业以更具成本效益的方式开发小程序，通过提供了更多工具协助服务商，服务的活跃小程序数是去年同期的三倍以上。

深耕互联智能制造，助力企业产能升级云计算在各个领域的充分应用，企业面临的成本、效率、安全等问题，都可以通过云的方式来实现IT自动化。桌面虚拟化的价值，就在于它是企业高效信息化的“良方”。　企业转型升级的创新新模式、新业态都离不开IT的作用。许许多多的案例证明，信息技术已经成为企业竞争力的关键因素之一，而信息化是技术创新的关键环节。企业所面临的问题目前，企业所面临的主要问题就是如何通过信息化加快生产效率。要实现更精细化生产，唯有通过大数据的计算、数据的连接等IT的信息化去实现自动化处理。就中国的制造业来说，可能面临的问题还停留在比较基础的层面。最常见的诉求有以下三方面：一提高数据的安全性。比如，整个生产过程中涉及到的企业知识产权，图纸、核心的数据等，因为工人的流动性比较大，这样数据的安全性就存在大的隐患。二业务连续性。业务连续性直接关系到生产率，比如，由于PC机的损坏造成整条生产线不能正常使用，就保证不了按时生产、按时交付，影响整个环节。三自动化。如何通过IT的自动化去帮助员工提高生产率。通过信息化能够帮助员工很快查询到有用数据，或者很便捷去访问数据也是很关键的一点。桌面虚拟化的价值，高效信息化的“良方”企业的生产经营越来越依赖信息系统，随着重要生产系统的部署，应用的可用性要求越来越高，每一次停机都会带来生产的损失，因此企业的IT管理员都希望将计划内和计划外的停机降低到最低限度。如何提高应用系统的业务连续性、可靠性及可扩展性，是摆在用户面前的一大难题。而基于传统技术实现的高可靠性，往往会大大增加成本和系统复杂度。随着云在各个领域的充分应用，就上面所提到的企业面临的成本问题、员工效率、数据安全性、业务连续性。自动化等都可以通过云的方式来实现IT自动化。桌面虚拟化的概念近些年逐渐为IT从业者所熟知,并以其高安全性、高灵活性、易维护等优势获得很多企业的亲睐。什么是桌面虚拟化？是利用虚拟技术将传统的桌面端从物理设备中隔离出来。桌面虚拟化技术能够充分利用企业现有服务器、存储、计算机等资源。企业在选择部署虚拟桌面时，能够更好的结合制造业企业的特殊需求，有效利用现有资源开展工作，桌面虚拟化有效地降低了运维成本，提高运维效率，保障企业关键数据的安全性和可靠性，形成当前技术最优的解决方案。智业科技云桌面助力企业产能升级智业云桌面是由智业云计算提供的虚拟Windows桌面与应用，提供更安全、高性能、成本低、高效率的办公系统，是最具性价比的电脑主题替代方案。智业云桌面可以完美解决另企事业单位焦头烂额的四大难题：1、降低企业成本：云桌面采购成本低，不易损坏，可使用10年，单台1月消耗不到1度电；2、简化运维管理：可视化管理平台集中管控，瞬时增配，瞬时扩展内存；3、全方位安全设计：云端分布式存储、用户接入过滤，云到端安全策略保障；4、随时随地办公：任何时间、任何地点、任何设备，均可访问自己的工作桌面。同时智业云桌面也具备了四大优势： 1、一站式交钥匙方案：提供从IT基础设施到后续集成及运维托管等整套服务；2、极致用户体验：支持1080P高清输出；3秒极速开机，全面提升办公效率；3、数据安全：在终端、平台、网络、用户接入4层安全防护设计；4、无忧服务：提供7*24小时技术支持，软硬件故障及时免费处理。以智业科技为代表的新兴云计算企业，具备新计算技术的研发和传播能力，也正处于智能制造的大环境之下，在传统企业IT技术改革的进程中正扮演着越来越重要的角色。我们期待将自身丰富的落地实施经验应用至更多的正迈向智能制造的企业，与行业共同努力，为下一代制造业做出更多贡献，并最终实现对落后制造现状的改变。其实吧，制造业考虑的不仅是现在的业务升级能力，更多的是全球化服务能力、竞争力和响应速度。故此，制造业在智能制造转型升级过程中，评估云计算更多地是从市场战略维度出发。中桥调研咨询对中国企业CIO和IT管理者的调查结果显示，评估智能制造云计算服务商有以下几点重要因素：综合IaaS、PaaS、SaaS的服务水平和管理效率：向智能制造演进是一个长期持续的过程。不同规模的制造企业在不同的业务发展阶段，对云计算服务的需求也不同。因此，能够灵活提供IaaS、PaaS、SaaS服务，并且保证优质的服务水平和管理效率，满足制造企业当前以及未来的业务需求，成为用户选择云计算服务商的首要考虑因素。同时具备全面云计算服务能力的提供商比如华为云，能够让制造业在转型发展过程中迅速将AI和IoT转化为业务创新能力。全球云计算服务能力，支撑全球化业务拓展：云计算在全球的服务能力、得以验证的云计算服务管理流程、跨全球多区域的云计算集中统一管理，以及跨混合云和多云的业务支撑能力，能够让制造企业在全球业务拓展中，优化资源利用率和产销链流程，提高全球市场响应速度和创新效率。得以验证的企业级用户群，可信可靠：在全球化业务拓展过程中，云计算逐步成为智能制造的核心业务平台。用户在评估核心应用“云化”过程中，云计算服务商在同等企业规模和行业的积累成为用户重要的评估指标。得以验证的企业级用户群意味着云计算服务商提供的云计算服务经过了实践的验证，这对于确保企业业务的稳定安全，降低向云计算转型的业务风险至关重要。可信可靠的企业级云计算服务，能够提高制造企业从研发到服务的全流程协作管理效率，加速从传统制造到柔性制造的转型。还有网友表示：先说一下传统制造也存在的一些问题吧，传统制造业从研发、设计、制造、交付，到运营和管理等，系统之间存在着大量的数据孤岛，这成为制造业从规模型制造向柔性生产转型的技术瓶颈。同时，不同系统之间的数据没办法共享，难以互联互通，无法通过全流程智能分析提高业务管理运营效率。而到了数字经济时代，个性化服务创新能力和市场迅捷响应速度直接决定着企业的竞争力，在此背景下，现在越来越多的制造企业通过托管云和混合云替代传统IT，以提高业务响应速度和企业内部运营效率。云计算好的地方就在于能够深入渗透到制造企业的所有业务流程，能够根据用户的业务需求，经济、快捷地进行IT资源分配，实现实时、近实时IT交付和管理，快速响应不断变化的个性化服务需求。不仅有助于促进创造优质附加值和制造业生产效率的提升，同时提升了制造企业整体竞争力，灵活应对复杂的国际环境变化，为经济全球化环境下制造企业实现智能制造打下坚实基础。而说到云服务商，就国内而言，华为云等服务商都是不错的选择。

“云”，这是继个人计算机变革、互联网变革之后的第三次IT大潮。如果说蒸汽机和电力开启了人类历史上的两次工业革命，那么发展到今天、脱胎于互联网，但又被称作"革命性计算模型"的云计算，正在让我们的生活步入另一个阶段。如今，“上云”已经逐渐成为企业发展的一种趋势和思维，凭借着在业务方面的敏捷性、可拓展性、效率性以及成本节约优势，云计算受到了越来越多企业的青睐，已然成为各行业企业智能化、数字化转型升级的关键所在。1、什么是云计算？对于了解IT互联网的小伙伴们来说，目前最流行的几个词莫过于5G、大数据、云计算以及人工智能了。5G主要拼的是网络传输速度、大数据是通过某些特定的方式或工具实现海量数据的分析，而人工智能则主要是通过不断的模拟、训练让计算机更加的懂你。那云计算究竟是什么？又可以用它做什么呢？云计算，是结合人类社会顶端智囊，与最尖端IT科技而诞生的最新互联网技术之一。它已成为当前互联网的基础设施：计算能力、存储能力、网络能力、安全能力。作为新一代互联网计算资源的基石，云计算支撑着互联网几乎所有的上层数据处理系统。无论是大数据还是人工智能，以及各类应用场景，都需要依托云计算提供的基础设施来运行。在IT行业领域外，还有政府、金融、工业、交通、物流、医疗健康等这些传统行业，云计算技术都已在广泛使用。2、云计算发展前景在国家政策的支持下，我国云计算应用市场发展明显加快，各种云平台应运而生。这标志着中国的云计算产业度过了“市场准备期”，正在进入调整成长期和全面整合期。目前，越来越多的企业开始介入云产业，出现了大量的应用解决方案，云应用的成功案例逐渐丰富，用户了解和认可程度不断提高，云计算产业发展迎来了“黄金机遇期”。据权威统计机构数据统计显示：预计到2022年中国云计算产业规模将达到2587亿元。而全球市场预计将超过2700亿美元。到2020年，全国新增上云企业100万家。可见，未来云计算的发展前景是非常可观的！3、云计算人才需求根据人社部中国就业培训技术指导中心联合阿里巴巴钉钉近期发布的《新职业在线学习平台发展报告》显示，未来5年内，我国云计算产业将面临高达近150万的人才缺口。不管是一线城市还是二三线城市，每年都会有云计算岗位的招聘需求，特别北上广深，对云计算技术人才的需求量相对较高。4、云计算岗位薪资《中国云计算行业洞察与人才分析》显示，云计算领域人才月均薪酬在1万元以上的占比高达93.7%，3万元以上占比仍达24.7%。相比之下，云计算人才远超互联网人才薪酬平均线，反映出市场对于其专业技术人才的需求。2020年全国云计算工程师平均工资16160元，较2019年增长了22%。如果你现在是一名网工工程师，工作3-5年之后，就可以向云计算架构师、云计算开发工程师方向努力，此时无论是技术能力还是工资水平都会更上一层楼。云计算工程师入职薪资平均在10000+，成熟之后平均可达到20000+。

尽管云计算已经前前后后发展十余年，但它的火热局面依旧没有被时间所消磨。根据Gartner统计，2015-2020年，全球云计算市场渗透率逐年上升，由4.3%上升至13.2%，至2021年，全球云计算渗透率将上升至15.3%。利好趋势存在，让众多云计算厂商都获得良好的业绩表现。例如5月20日腾讯发布的2021年Q1财报数据显示，腾讯金融科技及企业服务业务收入同比增长47%至390亿元。其中，企业服务收入同比增速较上季提升，主要由于项目部署恢复、企业软件及在线视频客户的需求增长，以及自去年第四季合并易车的企业服务收入所推动。腾讯云为此做出重要业绩贡献。除此之外，像金山云、Ucloud、阿里云等相关云计算厂商也都实现了营收的正向增长。整体欣欣向荣。可话说回来，云计算虽然发展形势大好，但蛋糕终究有限。别人多吃一点，自然自己拿到的也会少一点，因此在云计算市场，各家厂商的竞争一直十分激烈。不过，以往的竞争，只能算是初级竞争，毕竟在消费互联网主导的时代，上云最多的都是互联网公司，云计算能提供的价值也主要在数据存储与弹性计算。来到当下，随着企业们纷纷认知到数字化转型的重要性，传统企业与政务企业也开始看重价值增量，共同推动产业互联网时代到来之际，也释放了巨量基于当下时代特点的上云需求。需求改变，供应端也要随之改变，于是在云计算下半场，云厂商们纷纷从底层的IaaS竞争上升到顶层服务和生态建设全面比拼，竞争已经升级。那么，在这么多的云厂商中，谁能在下半场展现出惊人实力，最有可能称雄市场呢？答案就在下文中。01基础设施建设能淘汰80%固然要谈论的是云计算下半场竞争，关注重点是所谓的“价值落地”，但依旧不能忽略在基础设施IaaS+PaaS的竞争。先说IaaS，官方将其定位为基础设施即服务，是整个云计算最底层的存在，在当下看上去并不起眼。可是不要忘记，当下的2.0竞争，是在之前提供类似“水电”基础服务上，进行的“增值服务”，如果连“水电供给”稳定、安全的基础需求都不能保证，所谓的“增值服务”也只会是空中楼阁。而随着越来越多的上云需求释放，仅仅依靠之前的IaaS基础设施规模与技术能力，恐怕无法保证这一基础要求，因此提升IaaS层次的服务器规模和安全技术能力，依旧极为关键的重点。再说PaaS平台，作为承接IaaS以及SaaS的中间层，也是云厂商们巩固基础竞争力的关键点。因为PaaS能够迅速开发及迁移应用程序和服务，有望帮助用户企业大幅缩短进入市场的时间，迅速匹配市场需求，实现产品快速迭代，PaaS还可用来测试和准备应用程序，以便部署到云环境，然后将应用程序迁移到生产环境。所以即便是当下有更轻量、更具象的SaaS产品存在，但相比于提供半成品，让企业可以自我加工的PaaS，依旧受到大众的密切关注。说到这里，有关IaaS+PaaS方面竞争的关键性，已经不言而喻，值得所有云厂商深度布局。但回归现实，当真能可以参与这方面竞争的厂商，却寥寥无几。要知道，IaaS+PaaS是重资产建设，不是每个云厂商都能玩得起的，动辄数十亿、百亿的建设投入、长达三年、五年的人员投入，以及后期高昂的运维与迭代成本，可以让资金能力不足的中小厂商瞬间出局。例如腾讯云在2020年放出消息称，未来5年要将5000亿重点投入到云计算、人工智能、区块链、服务器、大型数据中心等重点领域。阿里云在2020年放出3年投入2000亿的消息，用于云操作系统、服务器、芯片、网络等重大核心技术研发攻坚和面向未来的数据中心建设。根据市面消息，腾讯云的投入多集中在数据库与技术层面，目前已在多个地区成功开服数据中心，而且同步进军了东南亚市场、甚至中东地区都有辐射。其中，天津数据中心4号楼目前通过“LEED数据中心运营与维护”铂金级认证，是北亚及中国区首个获此级别认证，也是目前全球最大的数据中心。而阿里云旗下的大数据平台Maxcompute、云数据库PolarDB、分布式数据库Oceanbase，以及新发布的宜搭低代码平台，同样在业界获得了一定认可。因此综合以上分析，可以判定在云计算下半场竞争中，寡头效应会越加明显，问鼎概率高的依然是头部厂商。02 SaaS生态或是短期胜负手在IaaS+PaaS的基础设施层次，头部云厂商无法在短时间内分出高低，那就再向上探索，来到应用层看看能否一决雌雄。上文也曾说到，随着产业互联网逐步逼近，“价值落地”成为决定竞争的胜负手，那么如何进行价值落地呢？答案就是“SaaS生态”。具体来说，目前的云厂商们，主要提供还是云计算底层和中间层服务，价值表现并不具象，即便在应用层SaaS有所布局，但也因为精力有限，只能满足几种特殊的商业场景。可是在企业进行数字化转型过程中，释放的需求除了细微、垂直，还很复杂，这让任何一个单一的云厂商都无法完成。而且参考现实发展，可以看到多数B端企业是不会，也不能直接使用公有云的。因为企业需要的是一个整体系统，只有把SaaS和公有云打包，才能真正服务B端企业。因此，云厂商们需要通过采取合作的方式，在应用层进行布局，通过组成SaaS生态的模式，深化到各行各业的场景之中，完成“价值落地”的目标。而这也导致在云计算下半场，云厂商SaaS生态的强弱，决定了各家竞争力的强弱。或许这样的说法，看上去有点骇人听闻，但绝非「ToB行业头条」无的放矢。在2021年5月17日，IDC发布的《全球半年度公共云服务跟踪报告》中，就有研究表示，微软之所以能在全球云计算市场有16.6%的份额，进而可以威胁到全球最大云厂商AWS，其关键就得益于SaaS和SISaaS两大产品组合不断扩大。所以在重视“价值落地”的云计算下半场，云厂商组建SaaS生态，借助众多SaaS合作伙伴的力量，确实能有效提升自身的市场竞争力，甚至可能创造“一锤定音”的效果。目前各家云厂商也纷纷认知到此模式的重要，并开始布局，组建基于自己为主的SaaS生态，但是由于各家业务属性问题，SaaS生态的强弱确是比较明显。像华为云、火山引擎、百度智能云，因为自身对于此方面的重视较晚，在SaaS层寻找合作伙伴的早期主动意愿相对于腾讯云、阿里云来说较弱，此方面的成果自然也就相对弱一些。腾讯云与阿里云虽然都重视SaaS生态建设，但是在于兼容性和连接性方面，腾讯云目前投入的似乎更多一些。资料显示，腾讯云为了提升Saas厂商之间的互联互通和相互集成，它通过鹊桥iPaaS大幅降低了SaaS产品之间的集成门槛和难度；通过玉符IDaaS解决统一身份认证的难题；通过神笔aPaaS降低应用开发的门槛，让企业可根据场景定制应用。不仅如此，腾讯云还推出了企业应用连接器，可实现横跨不同SaaS产品的统一账户登录及数据连通，使SaaS供应商更有效地开发及交付产品，同时协助企业客户更好地协调多项SaaS解决方案。近期在腾讯财报中，腾讯还表示将继续加强效率办公SaaS产品及安全软件，以及与SaaS供应商及独立软件供应商的合作伙伴关系和对它们的投资，以支持客户的数字化需求。进一步增强在SaaS生态上的优势。