Google LLC在旧金山举行的Cloud Next会议的第二天发布的产品比活动开幕当天发布的产品还要多-这次主要针对软件开发人员。

显然，谷歌正在吸引核心企业客户，这些客户已经大量涌向其主要的公共云竞争对手：亚马逊网络服务公司和微软Azure。它在第一天发布的所有以企业为中心的公告在第二天都有明确的后续公告：

在第一天宣布的新的Anthos多云集成结构将通过新的网络功能来丰富和扩展，这些新功能旨在帮助Google Cloud Platform客户构建，扩展和保护日益复杂的网格。该公司还通过新的身份和访问管理，安全性和信任以及移动多因素身份验证基础结构来保护它们。

在第一天发布的新的开源大数据托管服务将与新的完全托管的企业数据库订阅服务一起在Google Cloud Platform中扎根，并由新的归档冷存储进行补充。

在第一天推出的新Google Cloud Platform垂直应用程序将在零售应用程序和注入AI的文档，库存和客户服务应用程序中吸引大量公司，其中许多来自知名合作伙伴，例如Deloitte，埃森哲PLC和Salesforce.com Inc.-Google在第二天宣布。

但是到目前为止，Cloud Next 2019最重要的主题一直是Google对下一代开发人员的关注。在第一天，这方面最重要的公告是Google的Cloud Run，这表明Google已将无服务器应用程序开发作为与这些关键用户的联系的重中之重。

在第二天的许多公告中，Google发出了一个明确的信号，表明它正在瞄准依赖低代码，自动化，嵌入式工具进行持续集成和持续部署云原生应用程序代码和AI模型的新型开发人员。以下是这方面最重要的两天公告：

自动化云原生应用的低代码开发

对于多云应用程序的开发人员，Google的主要公告是Cloud Code，它是一组插件，可支持应用程序的低代码开发，以便部署到公共云和本地平台中。

此新的低代码工具(与用于构建G Suite生产力应用程序的现有Google AppMaker工具不同)具有以下功能：

与Visual Studio Code(测试版)和IntelliJ(测试版)一起使用;

通过提供一组 预先配置用于调试，构建和部署的更新的代码模板，帮助Kubernetes开发人员开始使用 。

在容器化Kubernetes应用程序的代码开发，调试，编译和生产过程中，自动执行许多步骤;

扩展本地代码edit-compile-debug循环以定位到任何远程Kubernetes环境，包括 Google Kubernetes Engine或GKE;

嵌入Google的命令行容器工具 Skaffold， Jib 和 Kubectl，为程序员在构建项目时提供持续的反馈;

允许开发人员设置配置文件，以定义不同的部署目标，包括本地开发，共享开发，测试或生产;

提供了在开发人员的工作站或云中测试和调试代码的灵活性;

集成了嵌入式库管理器，该库管理器向应用程序添加了必需的依赖项，在内置应用程序上自动启用了Google API，并管理了所有必需的应用程序机密;和

与现有的DevOps工具和服务(例如Cloud Build 和 Stackdriver)集成 ，以便将所有应用程序配置作为源代码存储在仓库中。可以从集成了这些插件的IDE中直接在任何环境中查看应用程序日志文件。

由业务分析师民主化开发高级AI应用程序

Google宣布了一种工具，可简化业务分析师，主题专家和其他非传统开发人员创建云原生AI和其他高级分析应用程序的过程。这些新工具(大多数处于beta或alpha状态)有助于在以下分析管道任务中自动化和指导新开发人员：

数据发现和治理：数据目录 可帮助组织快速发现，管理，治理和了解其数据资产。这是一个完全托管的编目系统，用于捕获技术和业务元数据。它提供了搜索驱动的数据发现界面。为了安全和数据治理，它与Google Cloud Data Loss Prevention集成以 自动发现，分类和编辑敏感数据资产，还与 Google Cloud Identity和Access Management集成以强制执行数据访问权限。

数据移动：BigQuery Data Transfer Service 可以在计划的受控基础上自动将数据从SaaS应用程序迁移到Google BigQuery。它使业务分析人员无需编写任何代码即可为下游AI和分析填充数据仓库。除了Google的第一方应用程序外，它还支持从100多种流行的软件即服务应用程序(包括Salesforce，Marketo和Workday)中移动数据。

数据提取和集成：Cloud Data Fusion是一种完全托管的，云原生的无代码数据集成服务。使用Google的BigQuery进行分析之前，它使任何人都可以轻松地提取和集成来自各种来源的数据并进行转换，并将其与其他数据源混合或合并。它使用广泛的开放源代码转换库和100多种现成的连接器(用于各种系统和数据格式)来加速这些集成。它允许用户在一个控制台中浏览和管理所有数据集和数据管道，并可以通过可视化的拖放操作来创建和管理数据管道，而无需任何编码。

预测洞察力生成：去年推出的BigQuery ML使分析师能够使用熟悉的SQL在BigQuery内部直接在海量数据集上构建和部署AI模型。本周，Google宣布已升级该产品，使其具有更多功能，可满足其他业务需求。在幕后，它增加了k-means聚类 和矩阵分解，以建立客户细分和产品推荐。用户现在可以通过BigQuery ML构建并直接导入TensorFlow深层神经网络模型。他们还可以使用称为AutoML Tables的新功能将机器学习应用于表格数据，而无需编写任何代码。

数据管道创建：Cloud Dataflow SQL使分析人员可以构建自己的Dataflow管道，而不必依靠数据工程师来完成此任务。该工具使用熟悉的SQL，该SQL还可以自动检测批处理或流数据处理的需求。它使用与BigQuery中相同的SQL方言。这使分析人员可以在BigQuery UI中使用Dataflow SQL，然后将Cloud Pub / Sub流与整个数据基础结构中的文件或表结合在一起，并直接查询合并的数据以进行实时可视化和洞察。

通过强大的团队工作平台来提高AI管道团队的生产力

截至本周为止，Google针对AI开发人员的主要公告是AI Platform的Beta版。

AI Platform是一个IDE，用于为以Google Cloud，其他云或本地平台为目标的容器化AI应用程序建模，培训和提供服务。它为团队准备，构建，运行和管理AI项目提供了一个全面的端到端环境。它允许编码人员，数据科学家和其他专家从一个通用仪表板内部进行协作，训练模型并扩展AI管道工作负载。它为开发人员提供工具，以发现和构建 可在内部或在Google Cloud中未经修改运行的AI管道， 笔记本和其他项目资产。

AI平台利用Google的Cloud AutoML，Cloud Machine Learning Engine，Kubeflow和AI Hub来支持AI驱动的应用程序的自动化DevOps工作流程。Google宣布将与埃森哲，Atos，思科系统公司，Gigster，英特尔公司，Nvidia公司，Pluto 7，SpringML和UiPath Inc.等各种合作伙伴合作，以构建可与AI平台一起使用的Kubeflow管道。

谷歌还宣布了新的自动化工具，该工具可用于从数据集创建AI模型，而无需编写代码，用于训练AI计算机视觉模型并将其部署到边缘设备，以及用于AI驱动的视频内容发现和分类。