包括银行、零售、旅游服务等多个行业的企业目前都在斥巨资投入电子商务的发展与应用,这是由于网络与应用已成为开展业务和与客户沟通必不可少的方式。从网络层面来看,某些应用在本地数据中心运行,而另一些则运行于云端。这就形成了一种不同以往的混合架构模式。
应用性能可视化问题
然而,即使在应用上的投资不断增加,IT预算却不会相应提高,而应用环境的日趋复杂对于新兴混合型企业来说则是IT可视化与性能的全新挑战。对应用性能的可视化与控制成为重点行业的头等大事。最新研究如下:
我们还从媒体上看到这样一些数字。英国银行从2007年开始一直受到历史上最严重的支付中断的困扰。美国捷蓝航空公司曾经突遇“系统故障”,航班停飞了几乎一整天,究其原因竟然是基础设施问题导致一个关键应用受损。甚至是苹果的iOS App Store也曾经瘫痪过。大量金钱因此类性能问题而流失,所以肯定需要找到一些性能运维工具来提供帮助。
实际上,IT部门在整个系统环境中只参与了其中一小部分,如网络、系统、应用、数据库,并且也开发了一些针对这些领域的检测工具,但这些工具基本上还是单点方案。使用这些有限的工具应对日益复杂的混合架构,对于任何特定领域的专家才说都是勉为其难。面对各种五花八门的问题,谁也不是“全科医生”。
EMA曾发表研究报告称,81%的IT部门依靠定期的跨领域团队合作应对性能问题。鉴于对越来越多的非本地服务有限的可视化能力,IT部门只能相互指责,称自己是无辜的。同时,CIO仍然无法了解问题的根本原因。系统会变得越来越不正常。
实现可视化的整体方案
可喜的是,网络和应用性能维护技术已经取得了长足进步,足以应对以上这些挑战。
我们正在面临重大的变革,孤立的、私有的方案模式必将转向全面的可视化与性能管控模式,将本地路由、交换机、服务器中已有的数据整合在一起,并增加针对云的可视化能力。
我们可以从两个层面解读全面可视化:1.横向,集合各个领域团队所掌握的所有数据,而不仅仅只是堆在一起;2.纵向,深入到云,提供传统基础架构无法实现的性能可视性。
Riverbed的SteelHead 与SteelCentral联合方案可共同交付以上提到的纵向数据,直接为SaaS厂商如微软Office 365和Salesforce.com等提供一条龙服务,从分支机构用户直到SaaS供应商,反之亦然。这样就实现了将传统上本地环境无法实现的可视化扩展到混合架构的目的。
横向维度上则会动态收集跨域的所有数据集并将其集中起来进行全面分析,相当于动态映射所有组件中收集的关键应用。如果发现问题,就可以运用适当的工具进行深入分析。简洁的用户界面将总结各个域内的几乎所有相关数据并将其汇集到一个集中视图上,这样就可在几分钟内找到问题,不用再等几个小时或几天。
防患于未然
除了全面可视化方面的这些进步,Riverbed SteelCentral方案还有“一招鲜”,能够实现“预测性”可视化——也就是说,一个收集数据的闭环系统可以借助“经验”模式来发现问题,并通过自动行为分析引擎自动发出提醒。
智能分析引擎代替了人工方式,IT将有更多的时间重新关注业务驱动型计划。IT也终于可以确保性能,不仅仅只是各自领域的性能,也不仅仅是应用性能,而是整个业务流程与应用和基础架构组件的服务性能。广泛的可视化确保所有的IT支撑组件如网络、服务器和应用的相互协作,同时通过深度包检测“挖掘”关键数据,从而给出有关运维的深度分析。经过这些改造,IT将成为真正意义上的业务合作伙伴,实时贡献更多有关数据的深刻见解并协调资源配置以帮助业务部门取得成功。
——Riverbed科技公司亚太区产品营销总监丁伟
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。