公共云服务因其高可伸缩性、高可用性和众多灵活选项而受到欢迎。云供应商数量不断增长，但市场上最知名的三家云供应商分别是亚马逊、微软和谷歌，它们分别提供亚马逊网络服务（AWS）、微软Azure和谷歌云服务。
它们都具有吸引力，并为基础设施即服务（IaaS）、软件即服务（SaaS）和平台即服务（PaaS）提供了良好的功能。让我们来审查和比较AWS、Azure和Google Cloud，以帮助您选择最适合您组织需求的云平台。
重要提示：本文提供的关于这三个平台的信息是在撰写时有效的。这三家供应商可以更新和引入对其平台和产品的更改。
A Short History of Each Cloud Platform
- AWS。亚马逊是云服务的先驱。亚马逊云平台是最古老的公共云平台，可以追溯到2006年，并且自那时以来一直占据市场主导地位。AWS专注于公共云服务而不是混合云或私有云。
- Azure。Azure云平台自2010年上市以来一直存在。微软决定通过在自己的数据中心建立公共云来补充其广泛的软件范围。微软现在是提供公共云服务的前三家公司之一。
- Google Cloud Platform（GCP）创建于2011年，旨在提供谷歌云服务。GCP是最年轻的云平台之一，但增长迅速。GCP改善了谷歌的IaaS、PaaS和SaaS。谷歌的数据中心提供了出色的基础设施，用于谷歌搜索服务、YouTube和Gmail。谷歌云服务使用同样的基础设施，而且谷歌云平台在云服务市场中增长率最高。
结论
在大多数情况下，平台的年龄不会成为决定性因素。然而，了解三家供应商都在争夺同一市场是有用的。平台的选择将取决于我们在此比较中使用的其他指标。
虚拟机支持
所有基于云的平台都提供计算服务来运行虚拟机（VMs），选择不同的VM配置，并选择VM类别。磁盘、CPU、内存和每秒输入/输出操作（IOPS）都取决于您选择的VM类别。虚拟机和存储是云平台上最常用的服务之一。
- AWS。在Amazon Web Services中运行的虚拟机称为弹性计算云（EC2）实例。您可以选择具有预配置设置的EC2实例，也可以手动配置虚拟硬件设置。Amazon EC2实例可以在不同位置运行，即不同地理区域的数据中心。值得注意的是，AWS提供了三家供应商中最多样化的数据中心。
- Azure。Azure虚拟机使用真实的处理器核心，这是Azure的主要优势之一。例如，如果您配置一个VM使用一个具有四个核心的处理器，Azure将提供一个具有四个真实核心的处理器（不使用超线程）。另一方面，AWS和Google Cloud Platform会创建一个具有两个核心和四个线程的VM处理器（使用超线程）。真实核心为在Azure中运行的VM提供了更高的CPU性能，而在其他云平台中具有类似配置的VM不具备这种性能。
- Google Cloud使用Google Compute Engine在Google Cloud Platform中运行虚拟机。尽管与AWS和Azure相比，Google提供的VM种类较少，但它更专注于容器和Kubernetes，用于运行具有微服务架构的水平可扩展应用程序。
以下是AWS与Azure与Google云平台的最大VM计算配置参数（截至撰写时间，基于各自官方网站信息）的比较表。
| AWS | Azure | Google Cloud | |
| CPU | 1.6 GHz – 3.3 GHz | 2.7 GHz – 3.7 GHz | 2.0 GHz – 4.0 GHz |
| Maximum vCPUs | 128 | 128 | 224 |
| Maximum Memory | 244 | 208 | 448 |
| Temporary Storage | 48 TB | 3 TB | 4 TB |
| Maximum vGPUs | 4 | 4 | 4 |
结论
选择取决于以下因素：
- 如果您的应用程序需要在使用真实处理器核心而不是虚拟处理器核心（超线程核心）的 VM 上运行，请选择 Azure 云。
- 亚马逊提供了各种 CPU 和内存配置组合的最大范围的 EC2 实例。如果您需要为不同类型的工作负载使用不同数量的 CPU 和内存资源的各种 VM，则可以选择亚马逊云。
- Google Cloud 为 VM 提供的处理器配置组合较少。这就是为什么 AWS 和 Azure 对于专门的工作负载更好的原因。
容器支持
所有三个云平台都支持运行容器，这在使用微服务的应用开发者中非常流行。
- 谷歌在开发容器编排的Kubernetes方面发挥了重要作用，因此谷歌云平台对Kubernetes和Docker容器有良好支持。谷歌云Run用于开发和部署高度可扩展的容器化应用。
- 亚马逊提供了亚马逊弹性容器注册表、亚马逊弹性容器服务和亚马逊弹性Kubernetes服务。容器服务支持Kubernetes、Docker容器和Fargate服务（亚马逊EC2容器服务）。
- Azure有两个容器服务：Azure Kubernetes服务（AKS）和Azure容器服务（ACS）。Docker hub和Azure容器注册表用于管理容器。
下表列出了AWS、Azure和Google Cloud中的每个容器服务。
| 服务 | AWS | Azure | Google Cloud |
| Docker容器服务 | 弹性容器注册表（ECR） | 容器注册表 | 容器注册表 |
| 托管容器服务 | EC2容器服务（ECS） | Azure容器服务（ACS） | Google Kubernetes Engine |
| 无服务器容器服务 | AWS Fargate | Azure容器实例（ACI） | Google Cloud Run |
判决
对于在云中运行容器化应用程序的工作负载，请选择Google Cloud Platform。 Google是市场上第一个开发Kubernetes标准并且具有最长经验的公司。
云存储
云存储，与虚拟机一起，是最重要的云平台服务之一，通常在AWS与Azure与Google Cloud的比较中进行讨论。每个云平台提供不同类型的云存储，并带有自己的术语和层级。
亚马逊云存储
- Amazon S3 是一个对象级存储服务。所有文件和文件夹都作为对象存储在简单存储服务（S3）存储桶中。
- Amazon Elastic Block Storage（EBS）是一个基于块的存储服务。EBS 卷 连接到 Amazon EC2 实例，为 AWS 虚拟机提供虚拟磁盘。
- Amazon Glacier 是用于存储很少使用的数据的冷存储，例如备份和归档数据。
- Elastic File System（EFS）是一个可扩展的云端 Linux 文件系统，可以连接到在云中运行的 EC2 实例和本地机器。通常使用 NFSv4 将机器连接到 EFS。常见的 EFS 用途包括一般工作负载和文件共享（配置文件服务器、存储应用程序数据等）。
注意：Storage Gateway 是一项特殊服务，配置在云端和本地（在虚拟机上），用于将本地机器连接到 AWS 云存储。
Azure 存储平台
- Azure Files 是一个通用存储服务，用于与在 Azure 中运行的虚拟机和在本地运行的本地机器共享文件。
- Azure Blobs 是用于大数据的可扩展存储，包括文本数据和二进制数据。
- Azure磁盘是用作Azure虚拟机的卷的块级存储。
- Azure Tables存储无结构数据的NoSQL数据库（无模式）。
- Azure Queues或Azure队列存储是用于大量消息的特殊存储类型，这些消息被应用程序用于应用程序组件之间的通信。
Google Cloud存储
- 持久磁盘是用于在Google Cloud（Google Cloud计算引擎）中运行的虚拟机的块存储。持久磁盘还用于Google Kubernetes引擎服务。
- 对象存储具有版本控制和访问权限等功能，使用存储桶存储对象。
- Filestore是用于在网络上存储、共享和访问数据的网络文件存储。
以下表格列出了AWS、Azure和Google Cloud的云存储选项。
| 服务 | AWS | Azure | Google Cloud |
| 块存储 | 弹性块存储（EBS） | Azure 磁盘存储 | Google 持久磁盘 |
| 对象存储 | 简单存储服务（S3） | Azure Blob 存储 | Google Cloud 存储 |
| 文件存储 | 弹性文件系统（EFS） | Azure 文件 | Google Cloud 文件 |
| 归档存储 | S3 Glacier Deep Archive S3 Infrequent Access |
Azure 存档存储 Azure Cool Blob 存储 |
Google Cloud 存储 Nearline、Coldline 和 Archive |
| 批量数据传输 | AWS Snow 家族
AWS 导入/导出服务 |
Azure 数据盒
Azure 导入/导出服务 |
存储传输服务 |
结论
所有三个云平台都提供了优秀的云存储服务，用于不同的目的。在选择供应商时，存储价格可能是决定性因素：
- Google Cloud 提供了文件和对象存储的最低价格。
- Azure 提供最低的对象存储价格。您可以选择微软Azure作为混合云存储选项，因为Azure Stack。
网络服务
网络服务允许您创建虚拟网络（并将在云中运行的虚拟机连接到这些网络），配置路由和在您的现场环境或云环境之间进行访问，并为网络提供负载平衡。
这三个提供商都具有类似的网络功能，为其云服务提供网络冗余。
- AWS核心网络服务使用称为虚拟私有云（VPC）的内部架构，这是一个完全隔离的逻辑网络。
- Google 使用Andromeda架构进行网络构建。 这是谷歌的网络虚拟化堆栈。
- Azure网络的内部架构更接近数据中心和私人网络的传统网络架构。 Azure虚拟网络（VNet）是微软的核心云网络产品。
| 服务 | AWS | Azure | Google Cloud |
| 直连 | AWS直连 | Azure ExpressRoute | Google Cloud互连 |
| 全球内容交付网络（CDN） | Amazon CloudFront | Azure CDN | Google CDN |
| DNS | Amazon Route 53 | Azure DNS Traffic Manager |
Google Cloud DNS |
| 虚拟专用云（VPC）网络 | VPC | 虚拟网络（VNet） | Google VPC |
| 负载均衡 | 弹性负载均衡（ELB） | 应用网关
Azure负载均衡器 |
云负载均衡器 |
防火墙
A firewall you to configure access only to what you need and only from allowed sources. All three cloud platforms provide a managed firewall to configure secure network access to virtual machines and services on them. In the AWS vs Azure vs Google Cloud comparison, firewalls share many similarities.
AWS
AWS提供AWS Network Firewall，一种可在AWS防火墙管理器中管理的托管服务。AWS防火墙分为两类：网络防火墙和Web应用程序防火墙。
- 网络防火墙用于过滤适当的网络协议，如IP地址、端口等的网络流量。它包括数据包过滤、虚拟私人网络（VPN）、深度数据包检查、网站过滤和DNS声誉过滤。
- AWS Web 应用程序防火墙提供应用程序安全和流量过滤。应用程序安全用于保护 Web 应用程序免受分布式拒绝服务（DDoS）攻击、零日攻击、数据泄漏等攻击。流量过滤基于 HTTP 头、IP 地址、关键词和 URI 字符串。
注意：用户可以使用 AWS Marketplace 中可用的第三方防火墙，除了 AWS 防火墙之外。
Azure
Azure 防火墙服务包括 Azure 防火墙高级版、Azure 应用程序网关和 Azure Web 应用程序防火墙。每个防火墙服务都用于专门的目的。
- Azure 防火墙提供网络地址转换（NAT）和对 IP 地址、传输控制协议（TCP）和用户数据报协议（UDP）端口以及 HTTPS 流量的过滤。此外，Azure 防火墙高级版还包括入侵检测和防护系统（IDPS）和 TLS 检查。
- Azure 应用程序网关充当 HTTPS 流量的负载均衡器和能够加密和解密安全套接字层（SSL）流量的反向代理。Azure 应用程序网关支持对 HTTP 级别的 Web 流量进行检查和攻击检测。Azure 应用程序网关有一个名为 Azure Web 应用程序防火墙（WAF）的附加功能，用于检查 HTTP 请求并防止恶意 Web 攻击、跨站脚本（CSS）和 SQL 注入。
- Azure 防火墙服务相辅相成。如果将 Azure 防火墙视为网络防火墙和 Web 应用程序防火墙，我们可以将每个防火墙的保护类型分类如下：
- Azure 网络防火墙 包括入口点保护、VPN 支持、软件定义广域网（SD-WAN）能力、虚拟 WAN 支持以及身份和访问管理。
- Azure Web 应用程序防火墙 包括流量过滤、脚本保护、安全交付、定制规则集、API 保护和安全性。
Google Cloud Platform
您可以配置防火墙规则来管理 Google 云平台上运行的虚拟机的入口/出口流量和安全网络访问。防火墙选项是 VPC 网络配置的一部分。Google VPC 的防火墙规则与 AWS 安全组类似。
判定
所有三个云平台都提供出色的网络功能，并满足用户的需求。区别在于每个云平台中的服务实现方式以及每个服务可用的个别功能。
为了降低网络延迟，请选择地理位置最接近您组织的物理位置的数据中心区域。如果您将现场基础设施（例如，VMware vSphere）连接到公共云基础设施并在它们之间配置网络连接，则会得到混合云部署模型。微软 Azure 为微软客户提供了广泛的混合选项。
安全
A firewall helps improve network security onsite and in the cloud. However, there are additional features for cloud-based platforms that improve security. All three cloud platforms provide an excellent level of security with encrypted connections to their cloud services. However, customers may need to check and edit security configurations to meet their security requirements.
AWS
AWS 在您创建账户、虚拟机或其他对象时使用安全隔离作为默认原则，以保护云资源免受未经授权的访问。默认情况下，安全策略是严格的。某些安全工具可能在特定地区受支持，但在其他地区则不受支持。
Azure
Azure 云平台最受欢迎的安全功能之一是 Azure Active Directory。Active Directory 是由 Microsoft 开发的集中式认证服务，用于对 Windows 机器和支持的软件进行安全认证。Azure Active Directory 允许您将本地 Active Directory 域的现场 Active Directory 与云中的 Azure Active Directory 集成。您可以为跨服务的单一登录配置 Active Directory 联合身份验证服务。
如果您在云中创建对象，则默认的安全配置不像 AWS 那样严格。AWS 和 Google Cloud 在访问配置中使用默认的拒绝策略，而 Azure 使用允许策略。例如，如果您在 Azure 中创建了新的虚拟网络和新的虚拟机，所有协议和端口都是默认打开的。
Azure 活动日志和 Azure 安全中心相比 AWS 提供了许多优势。当您使用具有活动日志功能的 Azure 时，您无需手动构建 Lambda 函数来在区域之间移动事件。
注意：配置安全设置可能会很困难，专业文档是受欢迎的。然而，与 AWS 相比，Azure 的文档并不那么详细。
谷歌云平台
Google Cloud Platform 更加集中，类似于 Azure。当 Google 推出 Google 云服务时，所有服务都计划与其他服务良好交互，并同时推出（在 AWS 中，服务是逐个添加的）。您帐户中的项目默认相互隔离。Google 云中的 Cloud 安全中心相当于 Azure 安全中心。Google 云中的安全级别介于 AWS 和 Azure 安全之间。
AWS 安全中心、Azure 安全中心和 Google 云中的 Cloud 安全中心都是各云平台的安全管理工具。
结论
亚马逊提供了大量的合规认证，包括 GDPR、PCI-DSS、FIPS 140-2、HIPAA/HITECH、FedRAMP 和 NIST 800-171。通过使用 AWS Artifact，您可以随需访问超过 2,500 个安全控制。微软 Azure 也具有强大的网络安全控制，拥有超过 90 个合规认证，分布在 50 多个不同的区域。Google 云符合 45 项合规认证。
数据库
所有三个供应商都为客户提供了数据库即服务（DBaaS）选项。使用 DBaaS，客户可以使用数据库而无需管理运行数据库的基础设施。支持关系型数据库和 NoSQL 数据库。
- AWS 提供了最广泛的数据库选项。解决方案具有高性能，创新及时实施，并且提供传统的数据库技术。如果您已经使用其他 AWS 服务，期望高水平的性能和可靠性，或者需要最广泛的选项集，您可以选择 AWS 数据库服务。
- Azure 为迁移提供了强大支持，包括迁移评估、自动化和优化。提供灵活的部署选项、许可选项和混合部署（适用于具有特定安全和隐私需求的用户）。如果您已经在您的环境中使用 Microsoft 软件（包括基于 Microsoft 的混合环境），需要将数据库迁移到云端，或者隐私是一个特别关注的问题，您可能会选择 Azure 数据库。
- Google Cloud Platform。 Google Cloud 中的数据库服务是最用户友好的，并为工作负载提供最佳性能。Google 在 Google Cloud 中使用容器的数据库提供了出色的能力。如果您需要将数据库附加到容器（用于微服务架构）并且需要高性能和用户友好的解决方案，您可能会更喜欢 Google 数据库。
| AWS | Azure | Google Cloud | |
| 关系数据库 | Amazon RDS | Microsoft SQL Database | Google Cloud SQL |
| 无SQL 键值 | Amazon DynamoDB | 表存储 | Google Cloud Bigtable
Google Cloud Datastore |
| 无SQL 键索引 | Amazon SimpleDB | Azure Cosmos DB | Google Cloud Datastore |
结论
这三个平台在不同类别的数据库服务方面提供了相同的服务。在此 AWS 与 Microsoft Azure 与 Google Cloud 数据库比较中，托管数据库服务几乎相同。
明显的区别可能出现在使用 Microsoft SQL Server 许可证（在使用 IaaS 时）。Azure 和 AWS 具有成本优化功能，而 Google Cloud 没有。对于 Microsoft SQL Server，Azure 是成本最友好的云。
Oracle数据库（使用IaaS），许可证方面也存在显著差异。您可以阅读指南，并使用VM/实例配置在AWS和Azure中部署Oracle。在Google Cloud Platform中，您只能在昂贵的裸金属服务器上部署Oracle数据库。Azure由于微软和Oracle之间的合作伙伴关系，在某些地区提供与Oracle云的低延迟连接。
区域和可用区
每个云提供商都覆盖了这些主要区域的数据中心：欧洲、北美、东南亚、东亚和中国。这些数据中心分布在称为区域和可用区的单元内。
A region is a set of data centers built in a particular (separate) geographical area. Region is the area where data centers physically exist. Data centers are connected with each other via low-latency networks (the latency-defined perimeter). Regions are the largest cloud provider units that contain availability zones. One region is completely independent of other regions.
可用区是区域内的一个唯一物理位置。可用区在区域内彼此隔离，并通过高速冗余网络相连。如果区域内的一个可用区失败，其他正常运行的可用区将为客户提供所需的服务。一个可用区由一个或多个数据中心组成。
- AWS。亚马逊在25个地理区域提供80多个可用区。
- Azure。Azure拥有60多个区域，每个区域至少有3个可用区。Azure云平台在140个国家拥有超过160个物理数据中心。
- Google Cloud Platform。有24个区域和73个可用区。
| AWS | Azure | Google Cloud | |
| 地区 | 25 | 60+ | 24 |
| 可用区 | 80 | 180+（每个地区至少3个） | 73 |
| 出口点（POP） | 230 | 130 | 144* |
| 国家 | 245 | 140 | 200 |
| * 网络边缘位置 | |||
注：供应商定期在不同国家增加可用区和数据中心。请查看每个云提供商网站上数据中心的详细更新列表以及城市和其他数据中心位置的地图。数据中心位置图可以帮助您选择需要的位置的数据中心。
评语
如果您需要通过使用不同地区和可用区在全球范围内部署最多数量的虚拟机，您可以使用Microsoft Azure。
AWS与GCP与Azure定价
价格是影响选择云平台的重要因素。了解价格可以帮助您估算需要花费多少钱在云服务上。难以比较AWS与Azure与Google的定价，因为价格会不时变动。
主要成本通常是计算服务，比如虚拟机。价格取决于数据中心所在的地区、虚拟机的CPU配置、内存量、磁盘空间和磁盘类型（SSD或HDD）。
按小时和按秒为运行虚拟机提供计费。如果您以一次交易（或更多，例如三年）支付1年的承诺，您可以获得折扣。在这种情况下，通常应选择所需类型的预留实例。
注意：价格可能会随时间变化。要获取最新价格，请查看AWS、Azure和Google Cloud网站上的定价信息。
虚拟机配置
为了在定价方面正确比较云提供商，我们应该为所有三个提供商选择相似的地区和相似的虚拟机配置。AWS、Azure和Google提供预配置的虚拟机（您必须选择一个配置预设）。
示例1
在下表中，您可以看到四种具有相似VM配置的虚拟机类型。
注意：由于在此示例中，Google VM 中不存在 100% 相同的配置，因此某些 Google VM 具有更多的内存和 CPU。为了进行比较，选择了适用于 Google VM 的最合适的配置。
表1：实例类型（虚拟机）
| 实例类型 | AWS 实例 | AWS 内存（GB） | Azure VM | Azure 内存（GB） | Google VM | Google 内存（GB） |
| 通用型 | m6g.xlarge | 16 | B4MS | 16 | e2-standard-4 | 16 |
| 内存优化型 | r6g.xlarge | 32 | E4a v4 | 32 | m1-ultramem-40 | 961 |
| 计算优化型 | c6g.xlarge | 8 | F4s v2 | 8 | c2-standard-4 | 16 |
| 加速计算型 | p2.xlarge | 61 | NC4as T4 v3 | 28 | a2-highcpu-1g | 85 |
让我们查看所选虚拟机配置的每小时价格（2021年11月）。
表2：按需定价（美元）
| 实例类型 | AWS | Azure | AWS定价（每小时） | Azure定价（每小时） | Google定价（每小时） | |
| 通用 | m6g.xlarge | B4MS | e2-standard-4 | 0.154 | 0.166 | 0.156 |
| 内存优化 | r6g.xlarge | E4a v4 | m1-ultramem-40 | 0.202 | 0.252 | 6.303 |
| 计算优化 | c6g.xlarge | F4s v2 | c2-standard-4 | 0.136 | 0.169 | 0.235 |
| 加速计算 | p2.xlarge | NC4as T4 v3 | a2-highcpu-1g | 0.90 | 0.526 | 3.839 |
AWS和Google Cloud中通用VM和内存优化VM的价格相似。Azure云平台和AWS云服务中，计算优化VM的价格差异微乎其微。但请注意，这只是一个例子，如果您选择了一年的承诺，另一个提供商可能会以最便宜的价格提供实例类型。此外，容器、存储、数据库服务和其他类型的云计算都有不同的价格。
Example 2
让我们选择每个平台的最小和最大虚拟机，并比较每月价格（下面的信息在撰写时有效）
表1：虚拟机配置
<
表2：所选虚拟机的价格（美元）
| 虚拟机类型 | AWS | Azure | Google Cloud |
| 最小 | $69/月 | $70/月 | $52/月 |
| 最大 | $3.97/小时 | $6.79/小时 | $5.32/小时 |
在这个例子中，AWS和Azure中最小实例的价格几乎相同，但Google Cloud Platform的价格明显较低。至于最大的虚拟机实例，AWS提供了最低的价格，而Azure提供了最高的价格。请记住，Azure中的虚拟机使用真正的CPU核心，而不是像AWS和Google Cloud中使用的逻辑核心（超线程核心）。真正的核心提供了更高的性能。
从这些例子中可以看出，云服务的最佳价格取决于场景和您的需求。
存储成本
对象存储。AWS和Google Cloud中的对象存储定价之间存在一些主要区别，以及确定价格的方法之间的差异。
- 在Google Cloud Platform中，您支付对象存储和网络出口的操作费用，并且您可以立即访问所有不经常使用的存储层。建议在计算成本之前进行数据访问建模。
- 在AWS中，访问Amazon存档存储的时间范围从几分钟到几小时不等。
块存储。 AWS和Google Cloud之间存在差异。Google Cloud在整个区域内提供高可用性，跨可用区和跨多个区域。AWS仅在同一可用区内提供冗余。AWS对提供的IOPS额外收费，允许EBS卷超出其通常的数据传输速率。Google Cloud中的Google块存储没有IOPS限制，您无需为额外的IOPS付费。
AWS
- 总的来说，AWS的定价复杂，尤其对于新客户来说，很难理解成本结构。
- 要获得折扣，AWS要求预付长期使用的保留实例。
- 如果VM停止运行，您只需为EBS卷使用的存储空间付费。
- A 12-month free trial is provided for new AWS users.
Azure
- 微软软件在客户中很受欢迎，广泛用于组织中。这是微软作为云服务提供商成功的原因之一。
- 现有的微软客户在登录Azure并使用AWS云服务时提供折扣。开始使用Azure时，您应熟悉微软软件许可选项。12个月预付款可获得5%的折扣。
- 正确关闭VM，不保留VM获得的IP地址。如果VM在Azure中未运行，则必须将VM取消分配以避免收费。
- 新的Azure客户的免费试用期为12个月，并包括在注册并开始试用后的前30天内可以使用的200美元。 Azure中提供了超过25个Microsoft产品的试用期。
谷歌云平台
- 谷歌云提供了用户友好的定价结构。对于长期运行的工作负载，没有预付费承诺可享有折扣。
- 当您停止虚拟机时，您不会被收取虚拟机计算资源（如CPU、GPU或内存）的费用，但您将被收取连接到虚拟机的资源的费用，如持久性磁盘和静态IP地址。
- 谷歌为新用户提供了90天的300美元信用额，用于开始免费试用期。提供了超过20种谷歌云服务产品供试用用户使用。
注意:有成本优化工具可帮助您选择所选云平台上服务的最佳配置：
- AWS: AWS成本资源管理器，AWS可信顾问，AWS预算
- Azure: Azure顾问
- 谷歌云平台:成本管理
裁决
没有通用的建议可以选择哪个平台以获得最低价格。云服务提供商的比较中价格细分是复杂的，因为每个云平台使用不同的定价模型。使用 AWS 价格计算器、Azure 价格计算器 和 Google Cloud 价格计算器 来获取所需配置的确切价格并进行比较。使用计算器是估算所需云服务的月度费用的最佳方式。
数据分析和机器学习服务
所有三家供应商都提供数据分析服务、机器学习（ML）和人工智能（AI）。这些类型的云计算服务如今被广泛用于数据分析、科学、研究工作、自动化等领域。ML通常包括数据预处理、模型训练、模型评估、事件预测、图像识别等。高度可扩展的计算云适合运行这些类型的任务。亚马逊云平台、Azure 云平台和谷歌云平台提供机器学习服务（MLaaS）。
AWS 中较旧的 ML 服务称为亚马逊机器学习，较新的是 SageMaker。亚马逊机器学习主要用于预测性分析，数据科学家更喜欢使用 SageMaker。亚马逊和 Azure 都提供与 Jupiter 的集成，允许您在 ML Studio 中编写代码。谷歌提供的顶级 ML 服务之一是 Vision AI（由 Auto ML 提供支持）。
AWS AI/ML 服务（12）：
- SageMaker
- 机器学习
- Comprehend
- Lex
- Polly
- Rekognition
- 翻译
- Transcribe
- DeepLens
- 深度学习 AMI
- 在 AWS 上的 Apache MXNet
- 在 AWS 上的 TensorFlow
微软 Azure AI 平台（3 个服务）：
- 机器学习
- Azure 机器人服务
- 认知服务
Google AI 平台（9 个服务）：
- Cloud 机器学习引擎
- Dialogflow 企业版
- Cloud 自然语言
- Cloud 语音 API
- Cloud 翻译 API
- Cloud 视频智能
- Cloud 工作发现（私人测试版）
在下表中查看 AWS vs Azure vs Google Cloud 的 ML/AI 功能列表。
| Amazon ML 和 SageMaker | Microsoft Azure AI 平台 | Google AI 平台 | |
| 分类 | + | + | + |
| 回归 | + | + | + |
| 聚类 | + | + | + |
| 异常检测 | + | + | – |
| 推荐 | + | + | + |
| 排名 | + | + | – |
| 数据标注 | + | + | + |
| MLOps 流水线支持 | + | + | + |
| 内置算法 | + | + | + |
| 支持的框架 | TensorFlow, MXNet, Keras, Gluon, PyTorch, Caffe2, Chainer, Torch | TensorFlow, scikit-learn, PyTorch, Microsoft Cognitive Toolkit, Spark ML | TensorFlow, scikit-learn, XGBoost, Keras |
机器学习API
除了出色和强大的云平台与现成的服务外，您还可以使用高级API与自定义应用程序一起工作。您可以使用这些服务与已经训练好的模型，提供您的数据（输入），并获得结果（输出）。
在这个AWS与Azure与Google的比较中，API被分为三组：
- 文本翻译、识别和分析
- 视频和图像识别以及这些内容类型的分析
- 其他未分类服务
A comparison of speech and text processing APIs is in the table below.
| AWS | Azure | Google Cloud | |
| 语音识别（语音转文本） | + | + | + |
| 文本转语音 | + | + | + |
| 实体提取 | + | + | + |
| 关键词提取 | + | + | + |
| 语言识别 | 100+种语言 | 120种语言 | 120+种语言 |
| 主题提取 | + | + | + |
| 拼写检查 | – | + | – |
| 自动补全 | – | + | – |
| 语音验证 | + | + | – |
| 意图分析 | + | + | + |
| 元数据提取 | – | – | – |
| 关系分析 | – | + | – |
| 情感分析 | + | + | + |
| 人格分析 | – | – | – |
| 语法分析 | – | + | + |
| 词性标注 | – | + | + |
| 过滤不当内容 | – | + | + |
| 处理低质量音频 | + | + | + |
| 翻译 | 6种语言 | 60+种语言 | 100+种语言 |
| 聊天机器人工具集 | + | + | + |
A comparison of versatile APIs for image analysis is displayed in the next table.
| AWS | Azure | Google Cloud | |
| 对象检测 | + | + | + |
| 场景检测 | + | + | + |
| 人脸检测 | + | + | + |
| 人脸识别 | + | + | – |
| 个人脸识别 | + | + | + |
| 面部分析 | + | + | + |
| 不当内容检测 | + | + | + |
| 名人识别 | + | + | + |
| 文本识别 | + | + | + |
| 书面文字识别 | + | + | + |
| 在网络上搜索相似图像 | – | – | + |
| 标志检测 | – | – | + |
| 地标检测 | – | + | + |
| 食物识别 | + | + | – |
| 主要颜色检测 | – | + | + |
视频分析API比较
视频分析的过程与图像分析有相似之处，但在AWS与Azure与Google Cloud视频分析API的比较中，云服务提供商的排名不同。与图像处理支持相比，Google并没有为视频分析提供丰富的API集合，许多功能仍处于开发或测试版本阶段。Amazon和Microsoft提供了更广泛的视频分析API和相关功能。
+</diy51
结论
Google Cloud Platform 是运行机器学习操作和基于人工智能的任务的正确选择，AWS 和 Azure 紧随其后。AWS 提供了基于不同强大硬件优化的各种实例，适用于AI/ML任务。
在云服务提供商的机器学习API比较中，Microsoft 提供了最广泛的功能集，而 Google Cloud Platform 则提供了最多样化的图像分析工具包。
至于AWS vs Azure vs Google Cloud Platform的视频API比较，微软获得了最高分并处于领先地位。然而，AWS 提供了用于流媒体视频分析的最高效的API。
结论
AWS vs Azure vs Google Cloud 的比较很复杂，因为每个云平台都提供了广泛的功能集。当你比较亚马逊云平台、Azure 云平台和 Google 云服务时，首先关注你需要的服务。
AWS 是最受厂商锁定的提供商，旨在让你只使用亚马逊云平台。相反，Google 为客户提供了灵活和自由的政策。微软希望将 AWS 和 Google Cloud Platform 的优势融合起来，并将 Azure 与其他解决方案和提供商集成。
微软提供了最佳的混合云选项，允许您将 Azure 云与其他云和本地数据中心的服务器一起使用。微软和 Google 都提供在线办公应用程序，例如 Microsoft 365 和 G-Suite，以及 Azure 和 Google Cloud Platform。
值得记住的是，云工作负载与其他类型的工作负载一样容易受到数据丢失威胁，尤其是由于勒索软件造成的中断。下载来自NAKIVO的强大数据保护解决方案的免费版本，以保护您的云工作负载。
NAKIVO备份与复制支持对Amazon EC2实例进行本地和云存储备份。您还可以将数据从现场物理服务器、VMware VM、Hyper-V VM和其他数据备份到Amazon S3或Wasabi。
Source:
https://www.nakivo.com/blog/aws-vs-azure-vs-google-cloud-comparison/