PaaS 到底是什么？它從哪里來，將到哪里去？有哪些廠商？國內企業如何選擇？

第一部分：PaaS 技術的定義

PaaS，Platform as a Service，平臺即服務。它是一種云計算服務，向使用者提供云上應用程序所需的編程語言、庫、服務、工具和解決方案。使用者無需管理或控制底層云基礎設施（包括網絡、服務器、操作系統或存儲），但需管理已部署的應用程序，并負責配置應用程序托管環境。在云計算的典型層級中，PaaS 層介于 IaaS 層和 SaaS 層之間。

圖1 PaaS 層介于 IaaS 層和 SaaS 層之間

（二）PaaS 服務的三大類劃分

為了更好的觀察 PaaS 服務的發展，我們將基于以下維度進行 PaaS 服務劃分：

aPaaS ，Cloud Application Platform Service，云上應用的開發、部署和運行平臺。

數據類 PaaS，進行更深度云上應用開發所需要的 BDPaaS（大數據平臺即服務）、DBPaaS（ DataBase PaaS ，數據庫平臺即服務）、 IoTPaaS （物聯網平臺即服務）、 AIPaaS (人工智能平臺即服務)、安全及運維平臺即服務等。

其他 Paas 在某些特定場景下發揮價值的平臺即服務，比如商業流程管理， RPA 等。

第二部分：回顧 PaaS 的發展

PaaS 的發展史，用兩句話就可高度概況：PaaS 的發展與云計算的發展相伴相隨；aPaaS 代表了 PaaS 的前15年,數據類 PaaS 將成為未來。

云計算的發端：2006年，Amazon Web Services（中文名：亞馬遜云科技）正式推出并商業化

PaaS 的發端：

2007年，Salesforce 發布 force.com，其目的是支持第三方客戶在其上開發、部署和管理應用。

此后，同類平臺如雨后春筍般發展起來。

2011年，亞馬遜云科技發布 Amazon Beanstalk 平臺，紅帽發布 OpenShift 平臺，VMware 發布 ?CloudFoundry。

2016年，國內 PaaS 平臺建設加速。國內科技巨頭也開始發力公有云 PaaS，同時也有很多初創型PaaS 服務公司涌現在市場中。

根據《賽迪顧問：2021-2022年中國 PaaS 市場研究年度報告》，aPaaS 在整體 PaaS 市場中應用最多。aPaaS 能夠為應用開發和運行提供豐富的組件和環境，幫助企業快速構建應用、智能化管理應用，2021年全球 aPaaS 在整體 PaaS 市場中的應用最多，占比為38.3%。

圖2 2021年全球 PaaS 市場產品結構（來源：賽迪顧問）

廠商方面，亞馬遜云科技（Amazon Web Services）是全球 PaaS 市場第一大廠商，微軟和 Salesfore 緊隨其后。亞馬遜云科技作為全球云服務領域的頭部廠商，利用其在全球的26個地理區域中的84個可用區和300多個邊緣節點，能夠為全球大部分的國家和地區提供全面的 PaaS 服務，占全球 PaaS 市場規模的18.7%。

圖3 2021年全球 PaaS 市場廠商TOP3（來源：賽迪顧問）

在國內 PaaS 市場，公有云占比高超過60%，值得一提的是，亞馬遜云科技在國內云市場也展現出驚人競爭力。在發展能力方面名列第一、市場地位名列前三。

圖4 2021年中國 PaaS 市場廠商競爭力象限分析圖（來源：賽迪顧問）

第三部分：展望 PaaS 的未來

PaaS 當前的再進化，也可以用兩句話高度概況：aPaaS 日臻成熟，向敏捷開發轉型；數據類 PaaS 崛起，將很快完成趕超。

賽迪報告也指出“人工智能、物聯網、大數據等新一代企業級應用加快迭代和創新也將充分釋放 PaaS 的價值并增加對 PaaS 的需求，將帶動 AIPaaS、IoTPaaS、DBPaaS 在整個 PaaS 市場的份額進一步擴大。”這種現象是源自用戶對產品的更高要求，他們已經不滿足于僅使用基礎設施與開發工具。激烈的市場競爭與客戶需求變化需要 PaaS 的使用者們借助更強大的工具完成自己的業務創新與應用云上應用部署，快速的場景創新需要更加敏捷、可擴展、智能的 PaaS 工具來實現”。

下面我將從數據類服務有哪些、為什么它的發展如此迅速以及它未來的發展趨勢，三個方面來分別介紹,我將會以亞馬遜云科技產品為范例。

一類是云數據庫服務，包括關系型數據庫和非關系型數據庫，統稱為 DBPaaS。

亞馬遜云科技提供了八大類十余種數據庫服務，如圖5所示。

圖5 八大類數據庫服務（來源：亞馬遜云科技官網）

第二類是數據分析即服務。

亞馬遜云科技提供了交互式查詢、大數據處理、日志分析和搜索分析、實時分析、數據倉庫和可視化等數據分析類服務。其中，Amazon EMR 用于大規模數據處理，支持 Hadoop、Spark 等開源處理項目。Amazon MSK 用于實時數據接入與數據管道。Amazon Kinesis 用于實時數據流收集與分析。Amazon OpenSearch Service 是一個基于開源搜索引擎 OpenSearch 的日志分析與搜索分析工具，QuickSight 用于數據可視化。Amazon Athena 使用標準 SQL 即時分析存儲在 Amazon S3 數據湖中的數據。Amazon Redshift 數據倉庫服務，可以對 PB 甚至 EB 級結構化數據集合執行復雜查詢。

圖6 數據分析即服務（來源：亞馬遜云科技官網）

第三類是人工智能即服務，稱為 AI PaaS。

目前，各大公有云都提供了品類豐富的 AI 服務。亞馬遜云科技將其服務分為人工智能（AI）服務和機器學習（ML）服務。其中，AI 服務比如文本、圖像、視頻等處理類服務；ML 服務主要是 Amazon Sagemaker 人工智能平臺服務。

圖7 人工智能服務家族（來源：亞馬遜云科技官網）

把這三大類數據服務合并，加上區塊鏈服務，就是圖8的樣子。這些服務構成了公有云數據類 PaaS 服務可能是最齊全的大家族。

圖8 數據類 PaaS 服務家族（來源：亞馬遜云科技官網）

云數據庫類服務大家都比較熟悉，無需贅述。數據分析類服務和人工智能服務，兩者之間是什么樣的關系呢？實際上，兩者之間不是孤立的，而是存在緊密的聯系。主要有兩種關系：

一種是數據分析與人工智能聯動。

此類場景中，數據分析服務對源數據進行收集、篩選和清洗，并將處理后的數據作為人工智能服務的訓練數據，最后產生推薦模型和部署為推薦服務。這種關系比較常見。

圖9 數據分析服務于人工智能（來源：亞馬遜云科技官網）

另一種是人工智能與數據分析集成。

多數的數據分析服務都集成了人工智能服務，比如 Redshift ML、Athena ML、Quicksight ML 等服務。以發布于2021年5月的 Amazon Redshift ML 服務為例，它底層基于 Amazon SageMaker 服務，讓用戶能夠用 SQL 命令創建、訓練、部署和使用機器學習（ML）模型。
圖10 Amazon Redshift ML 服務（來源：亞馬遜云科技官網）

如上圖所示，數據進入 Redshift 數倉以后，用戶可直接在 SQL 語句中使用‘create model’命令來創建機器學習模型。然后，Amazon Sagemaker 自動創建和訓練出 ML 模型并進行部署，然后用戶可以使用 SQL 語句來進行預測性查詢。

在賽迪顧問的“2021年全球 PaaS 市場產品結構”圖（圖2）中，這三類 PaaS 分別被稱為 DBPaaS、BDPaaS和 ?AIPaaS。從全球份額上看，三者的份額加起來都沒有 aPaaS 多。那為什么未來數據類 PaaS 將異軍突起甚至超越 aPaaS 呢？主要原因有三：

1.先做應用建設，再增加數據服務，是幾十年來的普遍 IT 規律。

過去還沒有出現云服務的年代，應用都是傳統式的。企業往往是先自己開發或購買應用，隨后開始支撐業務。隨著時間的推移，用戶越來越多，數據庫中就有了越來越多的數據。此時，企業往往會購買專業的數據分析類軟件用于數據分析，那時候主要是制作給領導看的各種報表。但這種數據分析軟件，往往都龐大而笨重，成本非常高，價格動輒千萬級別。

有了公有云服務后，企業首先在公有云上建設一個應用。搭建過程中，可利用到云上各種服務，實現應用的快速構建，用亞馬遜云科技的話說，他們負責做積木（Block），企業的工作就是搭積木（Build）。應用投產并得到驗證后，企業會繼續對應用做改造和擴充。此時用戶越來越多，數據也越來越多，因此需要數據治理平臺，可能是 S3 這樣的對象存儲，也可能是 Redshift 這樣的數倉，執行簡單的命令，就可以立即得到業務洞察，直接反哺業務。要進行預測的話，還可以利用人工智能服務。可見，用更少的錢，以非常小的起點，就可以獲取之前上千萬美金才能獲取的能力，這就是公有云上的優勢。

因此，無論是過去還是以前，先搭建應用，再做數據分析，直到人工智能，這是 IT 業務的基本旅程。aPaaS 的主要使命是為了開發者更便捷地搭建、發布和運行應用，而各種數據類 PaaS 則服務于數據分析和人工智能。

2.業務持續數字化轉型，數據量越來越大，對數據服務的要求越來越多，也越來越高。

業務數字化的核心是數據驅動。業務數字化，帶來數據量指數型增長，企業對數據存儲和計算分析的能力要求不斷提升。

一方面，云關系型數據庫高速發展。云上數據庫性能和便捷性越來越高，而成本卻越來越低。以 Amazon Aurora 為例，它是與 MySQL 和 PostgreSQL 兼容的關系數據庫。性能和可用性與商用數據庫相當，成本只有其 1/10，還大大減輕運維負擔，節省運維成本。

另一方面，由于大數據、物聯網、機器學習等應用場景的興起，非關系型數據的數據量和處理需求增長速度高。Gartner 數據顯示，2021年非關系型數據庫的市場收入達到148億美元，占總體數據庫市場的19%。2017年時，這一比例僅為8%。

從圖11可以看出，云上數據庫在整個數據庫市場的比例逐年快速上升。本地數據庫和云上數據庫的市場份額已經非常接近，到2021年，已經達到49%。按此趨勢，今年（2022年）云數據庫市場必將超過本地數據庫。

圖11 2017到2021年本地和云數據市場份額

3.新一代數字應用的出現，催生了數據類 PaaS 服務的需求。

人工智能、物聯網、大數據、區塊鏈等新一代企業級應用的加速迭代和創新，將充分釋放 PaaS 的價值并增加對 PaaS 的需求，尤其是將帶動 AIPaaS、IoTPaaS、DBPaaS 等數據類 PaaS 服務在整個 PaaS 市場的份額進一步擴大。

這種現象，一方面是源自用戶對產品的更高要求，他們已經不滿足于僅使用基礎設施與開發工具。另一方面是面對激烈的市場競爭與客戶需求變化，他們需要借助更強大的工具來完成自己的業務創新與應用云上應用部署，這都需要更加敏捷、可擴展、智能的、數據驅動的 PaaS 服務來實現。

（三）數據類 PaaS 服務的兩個發展趨勢

趨勢一：一體化

所謂一體化趨勢，是指數據庫服務、數據分析服務和人工智能服務構成了一個完整閉環。如圖12所示，人、應用程序和設備作為數據源產生數據，原始數據進入數據湖，作為機器學習類服務和數據分析類服務的數據源，它們處理后的數據被保存進關系或非關系型數據庫中。此類數據再反哺人、應用程序和設備，比如提供數據報表、畫像標簽、分析預測等能力，從而促進業務數字化水平，并完成數據處理閉環。

圖12 數據閉環

這種閉環模式，對公有云平臺提供商提出了高要求。他們不能再孤立地對待這些服務，而需要打通服務邊界，建立數據自由流通的渠道，這反過來又要求打通企業的部門墻，實現數據服務一盤棋。

趨勢二：無服務器化（Serverless）

下表是亞馬遜云科技已有 Serverless 服務列表。可以看出，過去很長一段時間里，Serverless 工作主要還是在 aPaaS 和 DBPaaS 領域。筆者大膽預測，這兩個領域的 Serverless 化工作接近完成，接下來數據分析和人工智能服務的 Serverless 化將是他們的工作重心。

圖13? Amazon Serverless 服務

關于大數據分析的無服務器架構（Serverless），值得一提的是，在7月12日 Amazon Redshift Serverless 正式上線，帶上之前已上線的 Amazon MSK Serverless ?上線（4月），Amazon EMR Serverless 上線（6月），和原本就是serverless 架構的 Amazon Kinesis。亞馬遜云科技已經率先在數據分析 PaaS 服務領域實現了數據倉庫、大數據平臺、流式數據分析的全方位無服務器化。趨勢是不可逆的。

關于服務 Serverless 化的有三個直接好處：節省成本、降低技術和管理負擔，以及加快應用交付速度，和兩個間接好處：討好用戶，以及施壓追隨者。相信后續有越來越多的 Serverless 化數據分析和人工智能服務推出。

第四部分：PaaS 再進化之背景下，國內企業的應對之策

前文厘清了 PaaS 的概念，闡述了 PaaS 的發展趨勢。過去，是得 aPaaS 者得 PaaS 天下，而未來，則是得數據類 PaaS 者得 PaaS 天下。在 PaaS 這種進化背景下，我們再來看看各類企業的應對之道。這里主要針對國內企業。

首先說說大中型傳統企業。

國內大中型傳統企業，很大部分都已完成 IaaS 云平臺的建設，企業上云（應用從小機搬到 x86 或信創虛擬機上）業已完成過半甚至更多。往往都設立了大數據部門，建設了大數據平臺。但是，大數據平臺和云平臺無論在組織結構上還是基礎設施上都是分離的，兩者井水不犯河水。大數據平臺基本上都是池化的，買幾千臺服務器搞個大池子，提供的基本上是人機交互式接口。

很顯然，這種模式很難滿足這些企業未來的數字化要求。筆者建議做如下改變：

將大數據平臺和云平臺合并，由合并后新云平臺提供服務化的數據分析服務，從而實現大數據平臺由池化和工具化，向云化和服務化的轉變。

將大數據部門和云計算部門合并，大數據團隊成為云計算團隊的一部分，即大數據團隊成為云計算部門中的數據 PaaS 團隊。

圖14 大型傳統企業的 PaaS 轉型

再來說說國內公有云廠商。

國內幾個大型公有云廠商，近年不約而同地宣告要把發展 PaaS 作為未來的重點發力方向。那么，根據前述觀點，他們需把工作重心放到 Serverless 化的數據類 PaaS 服務上。筆者多個深度使用國內公有云服務的朋友都反饋，國內公有云的 IaaS 服務離與海外巨頭的距離其實不大，但數據分析和人工智能類服務的差距還相當大。

再說說國內行業云提供商。

國內行業云提供商很多，但似乎沒幾家真正成氣候的。從 IaaS 角度，行業云的產品和市場實力、規模自然沒法和大型公有云相提并論，因此，只拼 IaaS 那肯定是拼不過的。那就只能在 PaaS 和 SaaS 上發力了。

從 PaaS 角度，行業云要將其行業屬性注入，尤其是要注入數據類 PaaS 服務。看到有好幾家行業云，主要還是做賣 IaaS 生意，數據分析服務沒有，人工智能服務沒有。沒有帶有行業屬性并且自己大規模深度使用的 PaaS 服務，那行業云就無法成為真正的行業云。

最后說說中小企業。

上公有云是中小企業的最佳選擇。企業創立之初，就能利用到業界最新最領先的云服務，包括 PaaS 服務，聚焦業務發展，這在沒有公有云的年代是難以想象的。根據前面提到的 IT 旅程，由應用創建開始，到數據分析，到人工智能，充分利用云上的各種服務，打造先進的云原生應用系統，為業務發展提供靈活而強大的支撐力和驅動力。

第五部分：小結

綜上所述，PaaS 現階段的進化路徑，是在由以面向開發的 aPaaS 服務為中心向以數據類 PaaS 服務為重心發展。并借助像亞馬遜云科技這類在機器學習、數據庫、物聯網、容器、云安全等方面具有較強的技術創新能力的公有云廠商，能夠更好幫助企業進行應用開發、部署和管理。

這種進化趨勢，和時下流行的數字化轉型密不可分。數字化轉型以業務模式轉型和業務流程效率提升為目標，以 IT 技術作為支撐，是 IT 技術的綜合運用，“以云為體，數智為用”，即以云為體系和基座，以人工智能、大數據、區塊鏈等 IT 技術的綜合運用來解決系統化問題。曾經有一位領導問我，數字化應用到底是什么樣的。我回答道，通常來說，使用大數據服務和人工智能服務越多的應用，其數字化程度往往越高。下面的曲線可能不太精確，但筆者堅定地認為，數據類 PaaS，特別是數據分析和人工智能類服務，是提升業務數字化水平的利器。

圖15 數據類 PaaS 服務的運用和業務數字化水平之間的關系

PaaS 的這次進化，不是以人的意志為轉移的，而是和這輪企業業務數字化轉型發展大潮密不可分。

附錄：

附表1：PaaS 的分類（來自Gartner）

筆者把 Gartner 定義的 aPaaS 看作狹義 aPaaS。廣義 aPaaS 應包含更多的內容，具體見附表2。

附表1非常有助于我們了解到底有哪些 PaaS 服務，而附表2將這22個 PaaS 服務基于三大類進行了重新劃分：

附表2? PaaS 服務大類