ZDNET网络频道 04月30日 北京报道:在云计算、SDN及网络虚拟化的环境下,网络行业也得到了快速的发展,为了保证企业在现有业务环境下的网络承载能力,网络服务质量已经成为我们不可忽视的问题,而随之带来了对网络测试行业新的要求与挑战,以往的传统网络测试方法与工具是否还能够应对快速发展的网络本身呢?
网络监测面临新的挑战
福禄克网络公司产品与业务发展经理尹刚对记者讲到,“原来的网络主要是靠计算机、交换机、路由器来构成的,但是灵活度是不够的,所以需要做一些改变,并且随着网络环境的变化,网络测试工具的改变也是必然的。”
福禄克网络公司产品与业务发展经理 尹刚
同时,尹刚也表示,“这些改变其实给监测上带来了一个比较大的挑战,目前的网络监测、性能评估所要面临的主要趋势是从物理层到应用层的集成,从集中方式到分布方式的监测,还有就是从中心到现场的问题。说的比较通俗点就是,交警指挥通常会在交警的指挥中心来看道路的状况,但是道路哪里真正出了问题还要派警力实地进行处理,所以这些处理方式其实是综合的,也就是说只有一个监测屏幕是不行的,但是只有路面交警当然也是不行的,这是一个整合的系统,所以从这样看大家知道监测也好、检测也好、性能评估也好其实是一个整合系统。”
面对挑战快速出手
就在近期,福禄克网络新推出了两款具备云端线缆测试功能的LinkRunner与LinkSprinter手持网络测试仪,以及号称业内最快的云端线缆认证项目管理服务LinkWare Live和具备云端报告功能的Link-Solutions解决方案。
据福禄克网络介绍,新版LinkWare Live Professional(LinkWare Live专业版) 进一步优化了承包商项目管理人员与现场技术人员的工作流程,让他们能够在任意智能、移动设备上显示布线认证项目状态。另外,LinkWare Live专业版还支持基于浏览器的、远程测试器配置,并支持项目管理人员测试设置与现场技术人员上传结果之间的实时调节。
另外,这一新型网络测试器与具备云端报告功能的Link-Solutions解决方案,在管理网络连通性检测结果方面,为客户提供了更高的灵活性与便利性。并可以通过基于云的统一控制面板为个人电脑与前端技术人员、现场管理的IT团队、系统集成商以及增值分销商(VAR)提供针对铜缆、光纤和以太网的测试,以及对测试结果的综合管理。
云环境下的网络测试发生改变
我们知道在云计算、SDN、虚拟化等网络环境下,网络架构往往会发生快速变化,随之而来的是硬件与软件方面都在相应改变。因此,相比传统网络测试而言,未来的网络测试,必须要在软件方面做好相关的功能设计,以便适应更加灵活的云网络。像我们今天看到的LinkWare Live、Link-Solutions这样的工具,就可以随时随意把流量方向、用户屏幕做改变,因为这种工具本身从设计之初就考虑到了灵活性的因素。
对此,尹刚也表示,“福禄克网络的Link-Solutions是一个现场的快速解决方案。首先它体积很小,使用时只需把它在网口上一插就可以,它可以自动的对周围的网络进行监测。然后把检测到的信息随时通过网络汇集到你想汇集到的地方,比如把这些信息放到云上,而且可以长时间保存下来,供技术人员反复查看。另外,这种部署方式更适合当前快速变化的网络架构。而在一些骨干网络中,我们则仍可以采用集中监测或中心监测的方式,去固定安放一些检测工具。”
另外,尹刚还讲到,“我们今天所使用的路由器其实就像我们的高速路口、航空港、码头这些设施一样,因为它们都是一个网络群与另一个网络群之间交换的一个骨干通道。一般来讲这些地方的监测要求要比较高,所以我们采用集中监测的方式以及监测能力比较强的工具来对这些主要的端口做监测与分析。”
而对于监测数据的上传方式来说,尹刚表示,“目前,福禄克网络所采用的监测数据上传方式主要分为两种,一种是云上传的方式,主要是依托自己搭建的私有云来实现。以Link-Solutions为例,一种方式是把它直接接到网络上,它将对网络做相关的监测,并通过网络把它监测到的数据直接传到云上去。第二种方式是监测机把所监测到的数据保存在对应的设备当中,而我们可以通过这些设备的数据接口把数据转移到相应的位置,这也是实现网管数据专门通道的一种方式。因为,很多要求比较高的用户是需要这样的方式的。而对于云上传的这种方式来说,主要还是我们自己要先在网上建立一个私有云。而随着未来云计算业务的逐渐铺广,很多供应商都将提供公有云的服务,因此今后这些公有云资源也都可以被用来使用。”
如何应对更加复杂与多变的网络故障排除
“某一现场网络临时出了点问题!”这在网络排障工作中是经常需要面对的问题,而要更好的应对这些复杂和不可知的网络故障时,尹刚表示,“如果现场临时出了问题怎么办?很多设备不是说遥控就能修好的,还得有人拿工具去现场测试一下。而大家可以看到,目前的网络整体架构是由固定网络架构和随时用软件搭建和改建的网络架构共同形成的。所以,一方面对上层应用要看,另一方面对底层的设备及软件也要看,集中的要看,分散的也要看,这对于排障工作来说看似是非常复杂的。”
那么,我们在面对这样复杂多变的网络故障时,究竟要如何应对呢?对此,尹刚给出了自己的解释,“通俗来讲,以往我们在应对这样的复杂环境中,通常的做法就是把对网络监测的探头装的到处都是,通过提高探头的数量来满足对复杂网络环境的精细化监测,但问题是这些探头的价格是比较昂贵的。这对于一些中小型企业来说是根本不能接受的一种方式,但也不排除今后探头的价格会有所下降,但从本质上说还是没有解决经济性的问题。因此,福禄克网络推出了我们今天看到的这两个LinkSprinter和Link-Solution解决方案的相关产品,他们的个头的确很小,以至于你想把他们安放到到哪就能安放到哪,这从成本和灵活性方面都给了企业一个更加合理的选择。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。