IT专业人员在为当前和未来网络环境选择最佳以太网交换机时,应该考虑软件定义网络和物联网等新技术发展趋势。
现在更多应用程序以更复杂的方式托管在更多地方(有些部件运行在一个地方,其他部件则在其他地方),也难怪企业很难说清楚他们关键服务交付的情况。
目前很多企业已经退回到这种地步,即当客户或工作人员来电抱怨(更糟糕的是,在微博发帖)时,他们才意识到问题的存在。
由于应用交付的这种转变,企业需要新的工具来管理应用。而最新应用性能管理(APM)工具就可以应对混合服务交付环境,这些环境严重依赖云服务组件之间的东西向流量。
在正确的地方
新APM环境的一个关键特性是部署在需要的地方:靠近服务。我们有多种方式来实现这一点:
• 在虚拟机管理程序环境中,监控空间内虚拟机的响应时间和资源消耗情况;
• 在没有管理程序(例如专用物理服务器)或管理程序遥不可及(即在IaaS环境)时,在操作系统上运行;
• 在容器内;
• 在Java或.Net应用服务器环境内;
• 在终端用户设备,连续或按需即时下载。
对于与外部服务通信的内部服务响应客户端或客户,监控与外部资源通信的内部组件,可提供性能情报。
适当大小
鉴于我们需要将性能探针放在任何设备中,从管理程序到应用服务器,所以越轻越好。足迹要么非常小,要么可缩小到符合监控任务的范围。对于监控管理程序空间内一切情况的设备,应该选择更大的设备;而当我们监控Tomcat实例或手机网络浏览器时,小的就很好。
智能无处不在
这 种分布式监控不应该是被动的,简单地将大量信息流传输到某处的中心枢纽。每个应用监控应该能够执行初始数据分析,持续发送精简的元数据流,除非由中央管理 单元要求发送更详细信息。该工具的范围越大,它应该能做更多预消化。中央控制器应该提供更广泛和更深入的分析,能够基于所发生的情况来调整探针的行为。
保持活跃
这个理想的工具将采取步骤来管理性能,而不是简单地监控它。这可以以几种方式完成:
• 通过改变负载均衡行为
• 通过改变流量整形政策
• 通过动态配置和取消配置资源
如果工具本身不能完成这些操作,它至少应该能够利用工具或服务中的API来出发必要的操作,或者能够提醒业务流程工具来做出调整。
在“从任何地方使用,从所有地方提供”服务的时代,IT部门需要对性能获取新水平的可视性和控制。为了实现这一目标,企业应该结合可在混合服务环境运行的新一代工具与现有管理控制台及仪表板。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。