头条：对于后端来说，很多技术组件都值得PaaS化

在朋友圈问了个问题：

(资料图片)

问题的核心在于，过去业务在发展，我们有很多事情可以做。

而现阶段很多业务停滞了或不怎么发展了，技术团队应该从哪里挖掘价值，哪怕是造轮子，也应该师出有名吧。

最近两年比较火的概念是云原生和低代码。

对于前端来说，似乎所有的管理类系统都值得通过低代码重新做一遍。

对于基础架构团队来说，似乎所有中间件都值得云原生重新做一遍。

那对于后端来说，从哪里找点价值呢？

想了想，似乎对于后端来说，所有技术组件都值得通过PaaS化重新做一遍。

什么是PaaS？

云计算服务体系下，除了IaaS和SaaS外，就是PaaS了。

云计算中各种服务、工具、解决方案、语言类库都可以视为PaaS层的能力，容器、K8S也被定义为PaaS层。

一般来说是通过PaaS层管理IaaS层的资源，如网络、服务器、操作系统、存储等。

我们技术工作中，或多或少都直接使用或是开发过PaaS类的应用。

业界常见的一些PaaS有：

dbiPaaS：数据分析和可视化服务，如Amazon EMR；

apimPaaS：云API全生命周期管理，如kong；

adPaaS：云应用开发工具，如Amazon Code；

aPaaS：云应用开发、部署、运行平台服务，如Heroku；

AiPaaS：云AI平台服务，如机器学习、图像识别、语音识别等服务；

bPaaS：区块链平台服务；

bpmPaaS：业务流程全生命周期管理，如各种BPM包装服务；

brPaaS：业务规则管理和决策服务，如IBM Business Rules Service；

cPaaS：用于开发和运行通信应用，如Amazon SE3；

csPaaS：内容模型和治理，如Adobe Document Cloud；

dbPaaS：云数据库服务，如Redshift；

dxpPaaS：情景化数字体验组合，管理、交付、优化，如WorkDocs；

espPaaS：云事件流处理，如Amazon Kinesis；

fPaaS：无服务器应用开发平台，如Amazon Lambda；

imdgPaaS：分布式内存数据网格服务，如Amazon ElasticCache；

iPaaS：支持应用、数据、生态的整合，如Amazon EventBridge；

iotPaaS：云物联网平台，如IOT平台；

mftPaaS：云托管文件传输服务，如Amazon DataSync；

mdmPaaS：云企业主数据管理服务，如Amazon Glue Data Catalog；

mbrPaaS：云消息与事件代理服务，如Amazon SQS；

mbPaaS：云移动应用后端服务，如Amazon Mobile Hub；

rpaPaaS：云RPA服务，如各种RPA包装服务；

看下来，Amazon确实是云计算老大啊，重新定义了很多产品和服务。

按照领域划分，其实PaaS也可以分为：

1. 应用类PaaS（各种kv、mq、notify的包装）；

2. 数据类PaaS（各种数据对账、一致性、数据同步、数据分析等服务）；

3. 运维类PaaS（服务于容器调度、运维、报警及监控等）；

最近一两年比较火的是aPaaS平台，原因是和低代码这个事情有一定联系。

aPaaS在Gartner定义是：

云上应用开发、部署、运行平台。

aPaaS可以分为两类：

一、为专业的IT人员提供的编程环境的叫做pro-code，毕竟专业一些。

二、为业务人员开发用的叫做low-code或no-code，毕竟他们没什么技术基础，什么都得拖拽才行。

那有没有一种方式将现在大火的几个概念和PaaS结合起来重复造个轮子呢？

比如将关键词：低代码、云原生、PaaS，放在一起可以想到什么。

一、云开发平台云原生化

云原生PaaS的特点包括：微服务、持续发布、无服务、多重体验。

大概率长得像前几天聊的高德的云原生开发模式，通过云原生+低代码方式形成一个研发交付的PaaS平台。参见：端云一体--高德地图的云原生开发模式

二、开发平台低代码

这个对于前端友好一些，就是开发一个IDE，在IDE里面集成各种后端的FaaS和BaaS能力，快速集成，交付上线。

从原有的代码开发方式，转而到一些拖拉拽组合的方式，快速生成程序应用，建立网页或移动应用。

很多创业公司干这个，不同版本对应不同的目标用户，有的是为专业人员提供二次开发的pro-code版本，有的是给业务人员快速定制的low-code版本。

三、企业集成类iPaaS平台

这个是我自己开发的BDF框架准备做的事情。

过去是通过ESB这种企业总线集成与整合企业内的各种服务。如今云原生时代，服务能力更加丰富，需要做好应用与应用之间、数据与数据之间、企业与企业之间、多云之间的整合与协同。

这是站在了企业战略、企业价值角度重新审视技术架构与业务发展的同频。

接下来我们再聊下数据类PaaS。

一、dbPaaS

dbPaaS是一类云数据库服务，可以集成关系型数据库和非关系型数据库。

比如亚马逊将数据库划分成了十来种：

二、abiPaaS

abiPaaS是服务于数据分析、交互查询、大数据处理、日志分析与同步、检索、仓储、可视化的一类的数据相关服务设施。

比如Amazon EMR是做大规模数据处理的，底层支持Spark、Hadoop。Amazon OpenSearch是一个基于开源搜索引擎实现的检索与分析服务。

三、aiPaaS

aiPaaS主要是集成了各种AI相关的服务能力，常见的有人工智能，机器学习相关的服务，用于日常的图像识别、语音识别、视频处理等需求场景的调用。

为什么PaaS越来越重要了？

第一个原因是云原生的推进。

现在很多公司的技术架构模式已经演进到了云开发阶段。企业发展到这个阶段，急需各种数据处理类的工具，如果企业自建成本高，效果不一定好，还需要专人维护。就转而采购云厂商的PaaS产品。

大厂已经中台化，各个事业部也不太可能自己搞一些重复的轮子，用中台的PaaS服务解决自己确定性的问题是常态。

第二个原因是数字化转型。

数字化的核心是数据驱动，要求企业全流程线上化，全要素连接。数据量势必越来越大，对数据处理服务稳定、可靠、及时的要求也会越来越高。

在数字化转型中，经常提到企业需要具备并应用云计算、大数据、物联网、区块链、人工智能相关能力。这也激发了PaaS类服务的需求，将会带动如AIPaaS、IotPaaS、bPaaS等数据类PaaS。

第三个原因是一体化。

有了这么多的PaaS平台或者服务，如果大量分散在各个系统之中，将会造成新的使用成本。如果看不到这些服务，很可能会出现重复造轮子，浪费资源投入的情况。

那么一体化就非常重要。

人、应用、程序、设备将作为数据源产生数据；原始数据进入数据湖之后；机器学习类的数据PaaS开始介入处理，主要功能包括数据存储、数据分析、AI分析等；加工处理之后形成结构化标签数据源，存入关系或非关系型数据库中；最终通过数据可视化、报表、标签画像、分析预测等能力供战略决策。

以上一体化的流程环节形成闭环，从而促进了企业数字化水平。

第四个原因是Serverless。

Serverless适用的主要场景包括：

计算类场景，如Amazon Lambda；

程序集成类场景，如Amazon EventBridge；

存储与数据服务，如时序数据库；

数据分析场景，如Redshift；

机器学习场景，如SageMaker；

我们可以发现，Serverless非常适用于数据分析和人工智能场景。可以充分利用Serverless的低成本、降低运维负担、加速业务交付、衔接多个应用的特点。

Serverless极大推进了PaaS服务的集成。

云原生时代怎么理解”上云“。

上云不是简单的将应用搬上云端，或者将应用部署在虚拟机或者容器上。而是”云化“，将包括基础设施在内的业务组件、技术组件PaaS化，建立围绕于业务、数据、智能化建设服务于业务的中台产品。

数字化转型与云原生是大势所趋，而组件PaaS化与转型密不可分。

好的PaaS组件，可以帮助企业做好数字化转型，提升业务流转效率，提升交付质量，提升稳定性，提升用户体验。

对于后端来说，很多基础组件都值得被PaaS化。

关键词： 数据分析 数据处理 机器学习