谷歌深深地涉足应用程序开发生态系统，除非它创造了许多开放源代码组件，这些组件自此便无处不在。

Google的DNA遍布现代应用程序。很难找到不是为Chrome浏览器编写的现代Web应用程序，无法与Android操作系统一起使用的移动应用程序或没有与TensorFlow库挂钩的AI应用程序。

在过去的一年中，Wikibon看到Google发布了重要公告，以深化其应用程序开发产品组合。它继续构建其核心移动和Web应用程序工具，并利用其深厚的AI资产在其整个应用程序组合中提供稳定的功能增强流。

在移动性方面，去年Google的头号新闻是对Android移动操作系统的重大“人工智能优先”更新，并支持了移动开发工具。在这方面的主要公告包括：

Android P是其移动操作系统的下一个主要版本，它使用机器学习来自动学习用户的习惯，并预测性地调整设置以延长电池寿命，屏幕亮度和应用建议。

Google Assistant，它是嵌入在Android P中的下一代支持AI的移动数字助理，可以回答多个主题的问题;继续对话，而不必不断重复触发短语“嘿Google”;并通过TensorFlow Extended中 构建和训练的新 Google Duplex功能 ，基于其理解复杂句子，快速语音，长评论和说话者意图的能力，进行自然的电话交谈。

Flutter是一种新的跨平台移动应用程序软件开发框架，用于构建可以在Android和Apple的iOS平台上运行的应用程序，而无需对基础代码进行任何更改，从而使开发人员能够更快地为两个移动操作系统构建“本机”移动应用程序他们可以使用传统平台。后来，它通过移动应用程序捆绑包和应用程序内付款支持增强了SDK。

Cloud Firestore是一种新的无服务器NoSQL数据库，用于移动，Web和“物联网”应用程序，并与Google的移动开发平台Google Cloud Platform和Firebase集成。

ML Kit for Firebase，一种SDK，支持针对Android和iOS移动平台的机器学习应用程序的低代码应用程序开发。它使机器学习开发人员只需使用几行代码即可构建应用程序，并为TensorFlow Lite， Google Cloud Vision和Android神经​​网络提供支持的应用程序编程接口， 并 为文本识别， 面部检测， 条形码扫描， 图像标签 和地标识别提供了预先构建的支持。 。

Maps是一款移动应用程序，可 在Android和iOS中提供AI个性化的实时建议，以及一项新的“视觉定位系统”功能，可在用户的智能手机摄像头视图中显示地名，街道名称和方向的增强现实视图。

在网络应用中，Google继续通过外观和感觉增强，改进的文档API，新的文档共享功能，扩展的会议功能，更严格的套件安全性 以及由AI驱动的语法检查器来增强其G Suite生产力套件。它还发布了一个新工具，使开发人员可以加快将网页图像下载到Chrome浏览器的速度。

与这些客户端前端同样重要的是，谷歌在Kubernetes，Istio，Knative和其他云原生应用程序平台中的丰富后端功能。Wikibon在最近的文章中介绍了Google在云中的活动和路线图以及将AI嵌入到各处的情况，并提供了使开发人员可以使用的工具和API。

回顾一年前在Next '18举行的CUBE采访，Google丰富其应用程序开发生态系统的重点很明显：

人工智能驱动了现代云应用核心的智能对话界面：Google Cloud AI产品经理Dan Aharon：“ [Google] Dialogflow是一个用于构建对话应用程序和界面的平台。因此，它可能是聊天机器人，也可能是语音机器人，并且它是从我们一年半前收购API.AI开始的，此后一直在发展。[有]两件事，一个是云，另一个是机器学习和AI…高级语音识别，自然语言理解，语音合成。有了云，现在集中处理的工作量越来越大，可以用来训练模型的数据的可用性也更高，并且可以很好地融入机器学习中，而有了机器学习，我们可以做在机器学习之前很难做的事情存在。Dialogflow之所以与众不同，是因为您可以非常轻松地使用它来构建东西，

无服务器将提高开发人员的生产力：Google Cloud前首席执行官黛安·格林(Diane Greene)：“我的女儿是计算机科学专业的学生，​​她今年夏天刚刚在编码训练营任教，他们从幼儿园开始就学了。听到那些孩子在做什么，真是太神奇了。我认为很多应用程序几乎都像组装Legos。您可以使用所有这些API，您可以使用所有这些开放源代码库，您可以使用无服务器，因此只需将其放入这些小容器中，一切都将为您解决。”

开发人员越来越多地使用云原生抽象：Google Cloud产品管理总监Jennifer Lin：“当Kubernetes捐赠给开源社区时，需要定义一些东西，以便抽象可以在Google环境之外保持整洁。但是，该框架显然保持得很好，因此随着Kubernetes的发展。我认为，Istio同样可以通过Google内部的服务网格为我们完成服务管理的许多方式建模。[包含在这些开放源代码框架中的是]关于最佳实践以及如何在更细粒度的应用程序级别上实质上实现自动化的大量操作领域知识。”

随着云变得越来越复杂，应用程序开发的简便性不会丢失：Kubernetes的产品经理Aparna Sinha和Google Cloud的工程总监Chen Goldberg：“我们在行业中看到的是，它变得太容易了创建微服务或整体服务。但是我们仍然想快速发展，因此在当今的行业中，如何确保拥有正确的安全策略?您如何大规模管理这些服务?用一句话来解释，Istio所做的确实使服务开发与服务操作脱钩。开发人员是自由的，他们不需要例如监视，审计，日志记录，网络流量，但是操作团队拥有真正复杂的工具，可以以统一的方式代表开发人员管理所有这些。

无服务器开发人员的简化将利用Knative：Google云产品管理总监Oren Teich：“无服务器是我们在Google所做的工作的基础。基础是基础设施。这是无服务器架构的基础，所以关键是，当今有很多公司正在构建无服务器产品。我们正在建立它们。红帽正在构建它们，IBM，每个人都在构建无服务器产品。我们想要确保的是，客户能够在他们之间无缝地移动，他们可以利用无服务器的优势而不会陷入困境。OpenStack正在使用Knative向前发展。整个想法是，这是为您提供通用控制平面API，执行API以及每个人都可以共同构建共享部分的参考实现的基础。无服务器遇到Kubernetes的地方。让我们清楚一点，Kubernetes是关心人员的业务流程层，因此对于关心人员来说，现在您在顶层有了一个无服务器层。对于那些不在乎的人，您来了一家云供应商，我们将为您隐藏所有这些内容。但是您仍然可以拥有完全相同的控件API。因此，如果您考虑一下，就在编写东西，我有20个函数，并且编写脚本来管理所有这些功能，现在您可以拥有相同的API来在任何地方进行管理。”

DevOps自动化将提高开发团队的生产力：Google Cloud云工程副总裁Melody Meckfessel：“我们很高兴宣布Cloud Build，这是一个完全托管的持续集成和交付平台。它使开发人员可以在云中任意规模构建和测试其应用程序，并且它基于我们在Google中获得的大量经验教训，在过去的二十年中使用开发人员和操作员工具进行了迭代。Google在内部进行了一些疯狂的扩展，我们非常高兴能够实现这种自动化并向客户扩展。您发现，我们发现开发人员想要做的事情具有巨大的自动化价值。因此，我们已经完成了一些研究，行业研究，开发人员想要编写代码，想要设计，想要按要求工作。他们不想照顾他们的构建，测试和发布是如何进行的。是什么让开发人员感到高兴?一件事就是给他们自动化，使他们可以专注于代码。”

API可管理性对于高效的云原生微服务DevOps至关重要：Google Cloud产品管理总监Ed Anuff：“ API是软件与软件的对话方式。我们本周在展会上与Kubernetes和Istio共同宣布的是人们以新的分布式方式构建软件和部署软件的新方法。我们宣布的是Apigee现在使您能够拥有我们提供给您的所有工具来管理API，例如，让您的移动应用程序与您的云服务进行通信，而现在也将应用于您正在构建的这些新微服务。我们已经使用Apigee大约四年了，所以随着时间的流逝，我认为我们已经拥有200多个内部API，因此我们在这段时间里学会了如何对其进行操作。在过去的几年中，我们确实专注于微服务层。编写云原生应用程序，本质上。有了这一层，现在有了Apigee，可以将其插入Istio，我们将拥有一种更好的管理方式。”

在Wikibon展望下一个19年时代时，Google需要在可能会落后于其他云计算巨头的几个领域中加倍其应用程序开发工具，平台和策略：

专注于低代码开发工具：在推出具有竞争力的低代码开发工作台之前，Google会与开发人员共同努力。Wikibon建议Google将App Maker(目前包含在G Suite的企业版和企业版中)构建为功能更全面的工具，以用于Web，移动，边缘和机器人流程自动化应用程序。Google应该扩大App Maker的功能范围，以便它可以支持针对各种垂直业务和大众市场需求的各种云原生应用程序的模板化开发。供应商还应将App Maker与Cloud AutoML集成在一起，以使将云原生AI微服务嵌入所有应用程序的方式民主化。

将AI直接带到Web /移动应用程序开发工作台中：Google将其与众不同的Web开发资产隐藏在众所周知的蒲式耳篮子之下。去年，它推出了 js，这是一个针对JavaScript开发人员的基于浏览器的机器学习框架。TensorFlow.js是一个交互式框架，用于开发客户端AI应用程序，其中数据完全保留在浏览器中。为了跃升其主要云和AI竞争对手，Google应该将TensorFlow.js直接整合到其低代码工作台中，以完全在浏览器中实现AI模型的构建和训练。它还应该融合 TensorFlow Lite，用于Swift 和Android Things的TensorFlow该工具中的软件开发套件可支持将经过训练的AI模型部署到各种移动和边缘平台。

迅速启动用于自主机器人平台的Edge-AI开发工作台：Google将不再为开发人员开发用于自主Edge-AI场景的注入AI的应用程序的开发人员提供的服务，直到它提供与Amazon Web Services Inc. 和Microsoft相当的机器人开发平台为止。公司 与Kickstart一个强大的工作平台为应对这些挑战，Wikibon的建议，谷歌利用TRFL，建设开发机器人块的新的库除险加固，学习TensorFlow剂，这是最近由它DeepMind事业部开源。同样重要的是，Google应该增强Cloud AutoML，以提供增强的学习型AI工具链云服务，以匹配AWS的SageMaker RL。