公共雲服務因其高可擴展性、高可用性和眾多靈活選項而受到歡迎。雲服務提供商的數量不斷增加，但市場上最知名的三個雲供應商是亞馬遜、微軟和谷歌，分別提供亞馬遜網絡服務（AWS）、微軟 Azure 和谷歌雲服務。
它們都很吸引人，並為基礎設施即服務（IaaS）、軟體即服務（SaaS）和平台即服務（PaaS）提供了良好的功能。讓我們來檢視並比較 AWS、Azure 和 Google 雲，以幫助您選擇組織需求的最佳雲平台。
重要：本文提供的有關三個平台的信息截至撰寫時是有效的。這三家供應商可以更新和引入其平台和產品的更改。
A Short History of Each Cloud Platform
- AWS。亞馬遜是雲服務的先驅。 亞馬遜雲平台 是最古老的公共雲平台，可以追溯到 2006 年，自那時起一直佔據市場主導地位。AWS 更注重公共雲服務，而不是混合或私有雲。
- Azure。微軟 Azure 雲平台自 2010 年上市以來一直存在。微軟決定通過在自己的數據中心建立一個公共雲來補充其廣泛的軟體範圍。微軟現在是提供公共雲服務的三大主要參與者之一。
- Google Cloud Platform (GCP) 於 2011 年創建，旨在提供 Google 雲服務。GCP 是最年輕的雲平台之一，但發展迅速。GCP 改進了 Google 的 IaaS、PaaS 和 SaaS。Google 的數據中心提供了出色的基礎設施，用於 Google 搜索服務、YouTube 和 Gmail。Google 雲服務使用同樣的基礎設施，而 Google Cloud Platform 在雲服務市場中擁有最高的增長率。
結論
在大多數情況下，平台的年齡不會是決定性因素。但了解到三家供應商都在爭奪同一市場是有用的。平台的選擇將取決於我們在這次比較中使用的其他指標。
虛擬機支持
所有基於雲的平台都提供運行虛擬機（VM）的計算服務，可以選擇不同的 VM 配置和 VM 類型。磁盤、CPU、內存和每秒輸入/輸出操作（IOPS）都取決於您選擇的 VM 類型。虛擬機和存儲是雲平台上使用最多的服務。
- AWS。在 Amazon Web Services 上運行的虛擬機稱為彈性計算雲（EC2）實例。您可以選擇具有預配置設置的 EC2 實例，也可以手動配置虛擬硬件設置。Amazon EC2 實例可以在不同位置運行，即不同地理區域的數據中心。值得注意的是，AWS 提供了三家供應商中最多樣化的數據中心。
- Azure。Azure虛擬機使用真實處理器核心，這是Azure的主要優勢之一。例如，如果您配置一個VM使用一個具有四個核心的處理器，Azure將提供一個具有四個真實核心的處理器（不使用超線程）。另一方面，AWS和Google Cloud Platform將創建一個具有兩個核心和四個線程的VM處理器（使用超線程）。與其他雲平台中類似配置的VM相比，真實核心可為在Azure中運行的VM提供更高的CPU性能。
- Google Cloud使用Google Compute Engine在Google Cloud Platform上運行虛擬機。儘管與AWS和Azure相比，它提供的VM種類較少，但Google更注重容器和Kubernetes，用於運行具有微服務架構的橫向可擴展應用程序。
根據各自官方網站提供的信息（截至撰寫本文時間），AWS與Azure與Google雲平台的最大VM計算配置參數在下表中進行了比較。
| 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 |
評斷
選擇取決於以下因素：
- 如果您的應用程序需要在使用實際處理器核心而不是虛擬核心（超線程核心）的VM上運行，請選擇Azure雲。
- 亞馬遜提供了各種不同CPU和記憶體配置組合的EC2實例。如果您需要使用不同數量的CPU和內存資源來運行不同類型的工作負載的各種VM，您可以選擇亞馬遜雲。
- Google Cloud為VM提供的處理器配置組合較少。這就是為什麼AWS和Azure更適合專業工作負載的原因。
容器支援
所有三個雲平台都支援執行容器，現在這在使用微服務的應用程式開發者中非常流行。
- Google在開發容器編配方面扮演了重要角色，因此Google Cloud平台對Kubernetes和Docker容器有很好的支援。Google Cloud Run用於開發和部署高度可擴展的容器化應用程式。
- Amazon提供Amazon彈性容器登錄、Amazon彈性容器服務和Amazon彈性Kubernetes服務。容器服務支援Kubernetes、Docker容器和Fargate服務（Amazon EC2容器服務）。
- Azure有兩個容器服務：Azure Kubernetes服務（AKS）和Azure容器服務（ACS）。Docker Hub和Azure容器登錄用於管理容器。
下表列出了AWS與Azure與Google Cloud中的每個容器服務。
| 服務 | AWS | Azure | Google Cloud |
| Docker 容器服務 | Elastic Container Registry (ECR) | 容器註冊表 | 容器註冊表 |
| 管理容器服務 | EC2 容器服務 (ECS) | AWS Kubernetes 服務 | Google Kubernetes Engine |
| 無伺服器容器服務 | AWS Fargate | Azure 容器實例 (ACI) | Google Cloud Run |
評斷
對於在雲端運行容器應用程序的工作負載，請選擇 Google Cloud 平台。Google 是市場上第一個開發 Kubernetes 標準並具有最長運行容器的經驗的公司。
雲端存儲
雲端存儲，連同虛擬機器一起，是最重要的雲平台服務之一，通常在 AWS vs Azure vs Google Cloud 的比較中涉及。每個雲平台提供不同類型的雲存儲，具有自己的術語和層級。
Amazon 雲端存儲
- Amazon S3 是一种对象级别的存储服务。所有文件和文件夹都被存储为对象在简单存储服务（S3）存储桶中。
- Amazon Elastic Block Storage（EBS）是一种基于块的存储服务。 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）是一个可扩展的云中文件系统，适用于 Linux，可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 是一种特殊服务，在云中和本地（在虚拟机上）配置，用于将本地机器连接到 AWS 云存储。
Azure 存储平台
- Azure Files 是一种通用存储服务，用于与在 Azure 上运行的虚拟机和本地机器共享文件。
- 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 磁碟 是用作 Azure 虛擬機器的區塊級存儲卷。
- Azure 表格 用於 NoSQL 數據庫（無模式）的存儲結構化數據。
- Azure 隊列 或 Azure 隊列存儲是用於大量消息的特殊存儲類型，這些消息由應用程序用於應用程序組件之間的通信。
Google Cloud Storage
- 持久磁盤 是用於在 Google Cloud（Google Cloud Compute Engine）中運行的虛擬機器的塊存儲。持久磁盤也用於 Google Kubernetes Engine 服務。
- 對象存儲， 具有版本控制和訪問權限等功能，使用桶來存儲對象。
- Filestore 是用於在網絡上存儲、共享和訪問數據的網絡文件存儲。
在下表中列出了 AWS、Azure 和 Google Cloud 的雲存儲選項。
| 服務 | AWS | Azure | Google Cloud |
| 區塊儲存 | 彈性區塊儲存 (EBS) | Azure 磁碟儲存 | Google 永久磁碟 |
| 物件儲存 | 簡易儲存服務 (S3) | Azure Blob 儲存 | Google 雲端儲存 |
| 檔案儲存 | 彈性檔案系統 (EFS) | Azure 檔案 | Google 雲端檔案 |
| 封存儲存 | S3 Glacier 深度封存 S3 不頻繁存取 |
Azure 封存儲存 Azure 冷藏 Blob 儲存 |
Google 雲端儲存 Nearline、Coldline 和封存 |
| 大量資料傳輸 | AWS Snow Family
AWS 匯入/匯出服務 |
Azure 資料盒
Azure 匯入/匯出服務 |
儲存轉移服務 |
評論
三個雲端平台都提供優良的雲端儲存服務，用於不同目的。在選擇供應商時，儲存價格可能是決定性因素：
- Google Cloud 提供了最低的檔案和物件儲存價格。
- Azure 提供物件儲存的最低價格。由於 Azure Stack 的存在，您可以選擇 Microsoft Azure 作為混合雲存儲的選項。
網路服務
網路服務可讓您建立虛擬網路（並將在雲中運行的虛擬機器連接到這些網路），在您的現場環境或雲環境之間配置路由和訪問，並為網路提供負載平衡。
這三家供應商都具有類似的網路功能，為其雲服務提供網路冗餘。
- AWS核心網路服務使用一種稱為虛擬私有雲（VPC）的內部架構，這是一個完全隔離的邏輯網路。
- Google 使用名為 Andromeda 的網路架構。這是 Google 的網路虛擬化堆疊。
- Azure網路的內部架構更接近於數據中心和私有網路的傳統網路架構。Azure 虛擬網路（VNet）是微軟的核心雲網路產品。
| 服務 | AWS | Azure | Google Cloud |
| 直接連接 | AWS 直接連接 | Azure ExpressRoute | Google Cloud 互連 |
| 全球內容交付網絡 (CDN) | Amazon CloudFront | Azure CDN | Google CDN |
| DNS | Amazon Route 53 | Azure DNS | Google Cloud DNS |
| 虛擬私有雲 (VPC) 網絡 | VPC | 虛擬網絡 (VNet) | Google VPC |
| 負載平衡 | 彈性負載平衡 (ELB) | 應用程式閘道
Azure 負載平衡器 |
雲負載平衡器 |
防火牆
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 網絡防火牆，一個可在 AWS 防火牆管理員中管理的受管服務。AWS 防火牆分為兩個類別：網絡防火牆和 Web 應用程式防火牆。
- 網絡防火牆用於過濾網絡流量，以適當的網絡協議，如IP地址、端口等。它包括封包過濾、虛擬私人網絡（VPN）、深度封包檢查、網站過濾和DNS聲譽過濾。
- AWS Web應用程序防火牆提供應用程序安全性和流量過濾。應用程序安全性用於保護 Web 應用程序免受分散式阻斷服務（DDoS）攻擊、零日攻擊、數據泄漏等攻擊。流量過濾基於 HTTP 標頭、IP 地址、關鍵詞和 URI 字串。
注意：除了 AWS 防火牆外，用戶還可以使用 AWS Marketplace 提供的第三方防火牆。
Azure
Azure 防火牆服務包括 Azure 防火牆高級版、Azure 應用程序閘道和 Azure Web 應用程序防火牆。每個防火牆服務都旨在用於特定目的。
- Azure 防火牆提供網絡地址轉換（NAT）和 IP 地址、傳輸控制協議（TCP）和用戶數據報協議（UDP）端口以及 HTTPS 流量的過濾。此外，Azure 防火牆高級版還包括入侵檢測和保護系統（IDPS）和 TLS 檢查。
- Azure 應用程式閘道器作為 HTTPS 流量的負載平衡器和可加密和解密安全套接層（SSL）流量的反向代理。Azure 應用程式閘道器支援在 HTTP 層面進行網路流量檢查和攻擊偵測。Azure 應用程式閘道器有一個名為 Azure Web 應用程式防火牆（WAF）的附加組件，用於檢查 HTTP 請求並防止惡意網路攻擊、跨站腳本（CSS）和 SQL 注入。
- Azure 防火牆服務相互補充。如果我們將 Azure 防火牆視為網路防火牆和 Web 應用程式防火牆，則可以將每個防火牆的保護類型歸類如下：
- Azure 網路防火牆包括入口點保護、VPN 支援、軟體定義廣域網路（SD-WAN）功能、虛擬廣域網路支援和身份和存取管理。
- Azure Web 應用程式防火牆包括流量篩選、腳本保護、安全交付、自訂規則集、API 保護和安全性。
Google Cloud 平台
您可以在 Google Cloud Platform 上运行的虚拟机上配置防火墙规则，以控制入口/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了出色的网络功能，满足了用户的需求。区别在于每个云平台中服务的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，选择地理位置距离您组织物理位置最近的数据中心区域。如果您将现场基础架构（例如，VMware vSphere）连接到公共云基础架构并在它们之间配置网络连接，则会获得混合云部署模型。Microsoft Azure 为 Microsoft 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
在创建账户、虚拟机或其他对象时，默认原则是使用安全隔离来保护云资源免受未经授权的访问。默认情况下，安全策略非常严格。某些安全工具可能在特定地区受支持，而在其他地区则不受支持。
Azure
Azure 雲平台最受歡迎的安全功能之一是 Azure Active Directory。Active Directory 是由 Microsoft 開發的集中式身份驗證服務，用於 Windows 機器和支援軟體的安全身份驗證。Azure Active Directory 允許您將您本地 Active Directory 域的本地 Active Directory 整合到雲端的 Azure Active Directory 中。您可以為跨服務的單一登入配置 Active Directory 聯合身份驗證服務。
如果您在雲端創建對象，則默認的安全配置不像 AWS 那麼嚴格。AWS 和 Google Cloud 在訪問配置中使用默認的拒絕策略，而 Azure 使用允許策略。例如，如果您在 Azure 中創建新的虛擬網路和新的虛擬機，則所有協議和端口默認情況下都是開放的。
Azure 活動記錄和 Azure 安全中心相比 AWS 提供了許多優勢。當您使用帶有活動記錄功能的 Azure 時，您無需手動構建 Lambda 函數來在區域之間移動事件。
注意：配置安全設置可能很困難，並且專業文檔受到賞識。然而，與 AWS 相比，Azure 的文檔並不像 AWS 的那麼詳細。
Google Cloud Platform
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互动，并一次性推出（在AWS中，服务是逐个添加的）。您帐户中的项目默认彼此隔离。Google云中的Cloud安全中心相当于Azure安全中心。Google云的安全级别介于AWS和Azure安全之间。
AWS安全中心，Azure安全中心和Google云中的Cloud安全中心是每个云平台的安全管理工具。
裁决
亚马逊提供了大量合规认证，包括GDPR，PCI-DSS，FIPS 140-2，HIPAA/HITECH，FedRAMP和NIST 800-171。通过使用AWS Artifact，您可以按需访问2500多个安全控件。微软Azure也具有强大的网络安全控件，覆盖50多个不同地区的90多个合规认证。Google Cloud符合45个合规认证。
数据库
这三家供应商都为客户提供了数据库即服务（DBaaS）选项。通过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。支持关系数据库和NoSQL数据库。
- AWS 提供最廣泛的數據庫選擇。解決方案具有高性能，創新及時實施，並提供傳統數據庫技術。如果您已經使用其他AWS服務，期望高性能和可靠性，或者需要最廣泛的選擇集，您可以選擇AWS數據庫服務。
- Azure為遷移提供了很好的支持，包括遷移評估、自動化和優化。提供靈活的部署選項，授權選項和混合部署（適用於具有特定安全和隱私要求的用戶）。如果您已經在您的環境中使用Microsoft軟件（包括基於Microsoft的混合環境），需要將數據庫遷移到雲端，以及隱私是特別關注的話，您可能會選擇Azure數據庫。
- Google Cloud Platform。 Google Cloud中的數據庫服務最為用戶友好，並為工作負載提供最佳性能。Google在Google Cloud中使用容器的數據庫具有出色的能力。如果您需要將數據庫附加到容器（用於微服務架構）並且需要高性能和用戶友好的解決方案，您可能會更喜歡Google數據庫。
| AWS | Azure | Google Cloud | |
| 關聯式資料庫 | Amazon RDS | Microsoft SQL Database | Google Cloud SQL |
| 非關聯式鍵值對 | Amazon DynamoDB | Table Storage | Google Cloud Bigtable
Google Cloud Datastore |
| 非關聯式鍵索引 | Amazon SimpleDB | Azure Cosmos DB | Google Cloud Datastore |
評斷
這三個平台在不同類別中提供相同的資料庫服務。在這個AWS對Microsoft Azure對Google Cloud資料庫比較中，管理型資料庫服務幾乎相同。
顯著的差異可能在使用許可證時出現Microsoft SQL Server(在使用IaaS時)。Azure和AWS都有成本優化功能，但Google Cloud沒有。Azure是最適合Microsoft SQL Server的成本友好的雲端。
Oracle Database（使用 IaaS），在授權方面也有顯著的差異。您可以閱讀指南，在 AWS 和 Azure 中靈活選擇 VM/instance 配置並部署 Oracle。在 Google Cloud Platform 中，您只能在昂貴的裸金屬伺服器上部署 Oracle Database。Azure 由於微軟與 Oracle 之間的合作夥伴關係，在某些地區提供與 Oracle 云端的低延遲連接。
區域和可用區
每個雲服務提供商都在其數據中心中覆蓋了這些主要區域：歐洲、北美、東南亞、東亞和中國。這些數據中心分佈在稱為區域和可用區的單位內。
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.
可用區是區域內的一個獨特物理位置。可用區在區域內相互隔離，並通過高速冗餘網路相互連接。如果區域內的一個可用區失敗，其他正常運行的可用區會向客戶提供所需的服務。一個可用區包含一個或多個數據中心。
- AWS。亞馬遜在 25 個地理區域提供超過 80 個可用區。
- Azure。Azure 具有 60 多個區域，每個區域至少有 3 個可用區。Azure 雲平台在 140 個國家/地區擁有 160 多個物理數據中心。
- Google Cloud Platform。有 24 個區域和 73 個可用區。
| AWS | Azure | Google Cloud | |
| 地區 | 25 | 60+ | 24 |
| 可用區域 | 80 | 180+ (每個地區至少3個) | 73 |
| 點對點（POP） | 230 | 130 | 144* |
| 國家 | 245 | 140 | 200 |
| * 網絡邊緣位置 | |||
備註：供應商定期在不同國家增加可用區域和數據中心。請參閱每個雲服務提供商網站上的城市和其他數據中心位置的詳細更新列表。數據中心位置地圖可以幫助您選擇所需位置的數據中心。
裁決
如果您需要在世界各地通過使用不同的地區和可用區域部署最多的虛擬機器，您可以使用Microsoft Azure。
AWS vs GCP vs Azure Pricing
價格是影響選擇雲平台的重要因素。了解價格可以幫助您估計需要花多少錢在雲服務上。很難比較 AWS vs Azure vs Google 的價格，因為價格會不時變動。
主要成本通常是用於計算服務，如虛擬機器。價格取決於數據中心所在的區域，虛擬機器的 CPU 配置，內存量，磁盤空間和磁盤類型（SSD 或 HDD）。
計費是按小時和秒計算運行虛擬機器的。如果您支付一年的承諾費用並進行一次交易（或更多，例如三年），則可以獲得折扣。在這種情況下，通常應該選擇所需類型的保留實例。
注意：價格可能會隨時間變動。要獲取最新價格，請查看 AWS、Azure 和 Google Cloud 網站上的價格信息。
虛擬機器配置
為了正確比較雲服務提供商的價格，我們應該為所有三家提供商選擇一個類似的區域和類似的虛擬機器配置。AWS、Azure 和 Google 提供了預配置的虛擬機器（您必須選擇一個配置預設值）。
示例 1
在下表中，您可以看到四種具有相似虛擬機器配置的虛擬機器類型。
注意：某些Google VM擁有更多的記憶體和CPU，因為在此示例中，Google VM的適當類別中並不存在100％相同的配置。為了進行比較，選擇了最適合Google VM的配置。
表1：實例（虛擬機）類型
| 實例類型 | AWS實例 | AWS記憶體（GB） | Azure VM | Azure記憶體（GB） | Google VM | Google記憶體（GB） |
| 通用型 | m6g.xlarge | 16 | B4MS | 16 | e2-standard-4 | 16 |
| 內存優化型 | r6g.xlarge | 32 | E4a v4 | 32 | m1-ultramem-40 | 961 |
| 計算優化型 | c6g.xlarge | 8 | F4s v2 | 8 | c2-standard-4 | 16 |
| 加速計算型 | p2.xlarge | 61 | NC4as T4 v3 | 28 | a2-highcpu-1g | 85 |
讓我們查看所選虛擬機器配置的每小時價格（截至2021年11月）。
表2：按需定價（美元）
| 實例類型 | AWS | Azure | AWS定價（每小時） | Azure定價（每小時） | Google定價（每小時） | |
| 一般用途 | m6g.xlarge | B4MS | e2-standard-4 | 0.154 | 0.166 | 0.156 |
| 內存優化 | r6g.xlarge | E4a v4 | m1-ultramem-40 | 0.202 | 0.252 | 6.303 |
| 計算優化 | c6g.xlarge | F4s v2 | c2-standard-4 | 0.136 | 0.169 | 0.235 |
| 加速計算 | p2.xlarge | NC4as T4 v3 | a2-highcpu-1g | 0.90 | 0.526 | 3.839 |
AWS和Google Cloud的虛擬機價格對於通用虛擬機和記憶體優化虛擬機是相似的。Azure雲平台和AWS雲服務的計算優化虛擬機的價格差異微不足道。但請注意，這只是一個例子，如果您選擇了1年的承諾，另一個提供者可能會擁有該實例類型的最便宜價格。此外，容器、存儲、數據庫服務和其他類型的雲計算都有不同的價格。
例2
讓我們選擇每個平台的最小虛擬機和最大虛擬機，具有相同的參數並比較每月價格（下面的信息在撰寫時是有效的）。
表1：虛擬機配置
| 虛擬機類型 | AWS CPU | AWS RAM | Azure CPU | Azure RAM | Google CPU | Google RAM |
| 最小 | 2個CPU | 8 GB | 2個CPU | 8 GB | 2個CPU | 8 GB |
| 最大 | 128個CPU | 3.84 TB | 128個CPU | 3.89 TB | 160個CPU | 3.75 TB |
表 2：所選虛擬機器的價格（美元）
| 虛擬機型 | AWS | Microsoft Azure | Google Cloud |
| 最小 | $69/月 | $70/月 | $52/月 |
| 最大 | $3.97/小時 | $6.79/小時 | $5.32/小時 |
在這個例子中，AWS 和 Azure 中最小實例的價格幾乎相同，但 Google Cloud Platform 的價格顯著低於其它兩者。至於最大的虛擬機實例，AWS 提供了最低的價格，而 Azure 提供了最高的價格。請記住，Azure 中的虛擬機使用真實的 CPU 核心，而 AWS 和 Google Cloud 中使用的是邏輯核心（超執行緒核心）。真實核心提供更高的性能。
從這些例子中可以看出，雲服務的最優價格取決於情境和您的需求。
儲存成本
物件儲存。在 AWS 和 Google Cloud 中，物件儲存價格和價格確定方法之間存在一些主要差異。
- 在 Google Cloud Platform 中，您支付物件儲存和網絡流出的操作，並且您可以即時訪問所有不常用的儲存層。建議在計算成本之前進行數據訪問建模。
- 在AWS中，訪問Amazon存檔存儲的時間範圍從幾分鐘到幾小時不等。
塊存儲。AWS和Google Cloud之間存在差異。Google Cloud在整個區域內提供高可用性，跨可用性區域以及跨多個區域。AWS僅在相同的可用性區域內提供冗餘。AWS對於允許EBS卷超出其通常的數據傳輸速率的預設IOPS額外收費。Google Cloud的Google塊存儲沒有IOPS限制，並且您無需支付額外的IOPS費用。
AWS
- 一般而言，AWS的定價復雜，尤其是對於新客戶來說，很難理解其成本結構。
- 要獲得折扣，AWS要求預付長期使用的保留實例。
- 如果VM被停止，您僅需支付EBS卷使用的存儲空間費用。
- A 12-month free trial is provided for new AWS users.
Azure
- Microsoft軟件受到客戶的歡迎，並被組織廣泛使用。這是Microsoft作為一家雲提供商成功的原因之一。
- 現有Microsoft客戶在登錄Azure並使用AWS雲服務時提供折扣。開始使用Azure時，您應該熟悉Microsoft軟件許可選項。12個月預付享有5%的折扣。
- 正確地關閉VMs，不保留VM獲得的IP地址。如果VM在Azure中未運行，必須取消分配VM以避免收費。
- 新的Azure客戶免費試用期為12個月，包括在註冊並開始試用後的首30天內可以使用的200美元。Azure提供了25多種Microsoft產品供試用期使用。
Google Cloud Platform
- Google Cloud提供了用戶友好的定價結構。對於長期運行的工作負載，沒有預付款的優惠。
- 停止VM時，您不會被收取VM計算資源，例如CPU、GPU或內存的費用，但您將被收取VM附加的資源，例如持久性磁盤和靜態IP地址。
- Google為新用戶提供90天的300美元信用額，供開始免費試用期使用。提供了20多種Google雲服務產品供試用用戶使用。
注意：有成本優化工具可幫助您選擇所選雲平台上服務的最佳配置：
- AWS：AWS成本探索器，AWS信任的顧問，AWS預算
- Azure：Azure顧問
- Google Cloud Platform：成本管理
。
沒有一個通用的建議，指示應該選擇哪個平台以獲得最低價格。在雲端供應商比較中，價格分解很複雜，因為每個雲平台都使用不同的定價模型。使用 AWS 價格計算器、Azure 價格計算器 和 Google Cloud 價格計算器 來獲得所需配置的確切價格並進行比較。使用計算器是估算所需雲服務的月度開支的最佳方法。
數據分析和機器學習服務
所有三家供應商都提供數據分析服務、機器學習（ML）和人工智能（AI）。這些類型的雲計算服務現在被廣泛用於數據分析、科學、研究工作、自動化等。ML通常包括數據預處理、模型訓練、模型評估、事件預測、圖像識別等。高度可擴展的計算雲適合運行這些類型的任務。Amazon雲平台、Azure雲平台和Google Cloud Platform提供機器學習服務（MLaaS）。
AWS中較老的ML服務稱為Amazon Machine Learning，較新的是SageMaker。Amazon Machine Learning主要用於預測分析，而SageMaker則受到數據科學家的青睞。Amazon和Azure都提供與Jupyter的集成，允許您在ML Studio中編寫代碼。Google提供的頂級ML服務之一是Vision AI（由Auto ML提供支持）。
AWS AI/ML 服務（12）：
- SageMaker
- 機器學習
- Comprehend
- Lex
- Polly
- Rekognition
- Translate
- Transcribe
- DeepLens
- 深度學習 AMIs
- 在 AWS 上的 Apache MXNet
- 在 AWS 上的 TensorFlow
Microsoft Azure AI 平台（3 服務）：
- 機器學習
- Azure Bot Service
- 認知服務
Google AI 平台（9 服務）：
- 雲端機器學習引擎
- Dialogflow 企業版
- 雲端自然語言處理
- 雲端語音 API
- 雲端翻譯 API
- 雲端影片智能分析
- 雲端工作發現（私人測試版）
請參閱下表中 AWS vs Azure vs Google Cloud 的 ML/AI 功能列表。
| 亞馬遜ML和SageMaker | 微軟Azure AI平台 | Google AI平台 | |
| 分類 | + | + | + |
| 回歸 | + | + | + |
| 聚類 | + | + | + |
| 異常檢測 | + | + | – |
| 推薦 | + | + | + |
| 排名 | + | + | – |
| 數據標記 | + | + | + |
| MLOps流水線支援 | + | + | + |
| 內建演算法 | + | + | + |
| 支援的框架 | TensorFlow, MXNet, Keras, Gluon, PyTorch, Caffe2, Chainer, Torch | TensorFlow, scikit-learn, PyTorch, Microsoft Cognitive Toolkit, Spark ML | TensorFlow, scikit-learn, XGBoost, Keras |
機器學習API
除了具備優秀和強大的雲平台和可即用服務外，您還可以使用高級API來處理自定義應用程序。您可以使用這些服務與預先訓練的模型一起使用，提供您的數據（輸入），並獲取結果（輸出）。
在這個AWS vs Azure vs Google的比較中，API被分為三組：
- 文本翻譯、識別和分析
- 視頻和圖像識別以及這些內容類型的分析
- 其他未分類的服務
A comparison of speech and text processing APIs is in the table below.
| AWS | Azure | Google Cloud | |
| 語音識別（語音轉文字） | + | + | + |
| 文字轉語音 | + | + | + |
| 實體提取 | + | + | + |
| 關鍵詞提取 | + | + | + |
| 語言識別 | 100+種語言 | 120種語言 | 120+種語言 |
| 主題提取 | + | + | + |
| 拼寫檢查 | – | + | – |
| 自動完成 | – | + | – |
| 語音驗證 | + | + | – |
| 意圖分析 | + | + | + |
| 元數據提取 | – | – | – |
| 關係分析 | – | + | – |
| 情感分析 | + | + | + |
| 個性分析 | – | – | – |
| 語法分析 | – | + | + |
| 詞性標註 | – | + | + |
| 過濾不當內容 | – | + | + |
| 處理低品質音頻 | + | + | + |
| 翻譯 | 6種語言 | 60+種語言 | 100+種語言 |
| 聊天機器人工具集 | + | + | + |
A comparison of versatile APIs for image analysis is displayed in the next table.
| AWS | Azure | Google Cloud | |
| 物件偵測 | + | + | + |
| 場景偵測 | + | + | + |
| 人臉偵測 | + | + | + |
| 人臉辨識 | + | + | – |
| 人臉識別 | + | + | + |
| 臉部分析 | + | + | + |
| 不當內容偵測 | + | + | + |
| 名人辨識 | + | + | + |
| 文字辨識 | + | + | + |
| 書面文字辨識 | + | + | + |
| 在網路上搜尋相似圖片 | – | – | + |
| 商標偵測 | – | – | + |
| 地標偵測 | – | + | + |
| 食物辨識 | + | + | – |
| 主要顏色偵測 | – | + | + |
影片分析 API 比較
影片分析的過程與圖像分析的過程有相似之處，但在 AWS 對比 Azure 對比 Google Cloud 的影片分析 API 中，雲服務提供商的排名不同。與圖像處理支援相比，Google 並未提供豐富的影片分析 API 集，許多功能仍在開發或測試版本階段。亞馬遜和微軟提供了更廣泛的影片分析 API 和相關功能。
| AWS | Azure | Google Cloud | |
| 物體檢測 | + | + | + |
| 場景檢測 | + | + | + |
| 活動檢測 | + | – | – |
| 面部識別 | + | + | – |
| 面部和情感分析 | + | + | – |
| 不當內容檢測 | + | + | + |
| 名人識別 | + | + | – |
| 文本識別 | + | + | – |
| 視頻上的人物跟踪 | + | + | – |
| 音頻轉錄 | – | + | + |
| 講者索引 | – | + | – |
| 關鍵帧提取 | – | + | – |
| 視頻翻譯 | – | 9種語言 | – |
| 關鍵詞提取 | – | + | – |
| 品牌識別 | – | + | – |
| 標註 | – | + | – |
| 主要顏色檢測 | – | – | – |
| 實時分析 | + | – | – |
評斷
Google Cloud Platform是執行機器學習操作和基於人工智慧的任務的正確選擇，而AWS和Azure則緊隨其後。AWS提供了基於不同強大硬體優化的多種實例，用於人工智慧/機器學習任務。
Microsoft在雲服務提供商的機器學習API比較中提供了最廣泛的功能集，而Google Cloud Platform則提供了用於圖像分析的最多功能工具。
對於AWS vs Azure vs Google Cloud Platform的視頻API比較，Microsoft獲得了最高分並成為領先者。然而，AWS提供了用於流媒體視頻的最高效API。
結論
AWS vs Azure vs Google Cloud的比較復雜，因為每個雲平臺都提供了廣泛的功能集。當你比較Amazon雲平臺、Azure雲平臺和Google雲服務時，首先要關注你需要的服務。
AWS是最注重讓你只使用Amazon雲平臺的供應商。相反，Google為客戶提供靈活和自由的政策。Microsoft希望結合AWS和Google Cloud Platform的優勢，將Azure與其他解決方案和供應商集成。
Microsoft提供了最佳的混合雲選項，允許您將Azure雲與其他雲和本地數據中心的本地服務器結合使用。Microsoft和Google都提供了在Azure和Google Cloud Platform之外的在線辦公應用，如Microsoft 365和G-Suite。
值得記住，雲工作負載同樣容易受到數據丟失威脅，特別是因勒索軟件造成的中斷。 下載NAKIVO的免費版強大數據保護解決方案，以保護您的雲工作負載。
NAKIVO備份與複製支持對Amazon EC2實例進行本地和雲存儲的備份。 您還可以從本地物理服務器、VMware VM、Hyper-V VM和其他數據備份到Amazon S3或Wasabi。
Source:
https://www.nakivo.com/blog/aws-vs-azure-vs-google-cloud-comparison/