密切关注应用程序的性能在混合云的情况下变得更严格。APM(应用性能监控)工具可以帮助您完成这个任务。
然而混合云与公共云的好处都是显而易见的,都引入IT运作团队的独特挑战。最有力的挑战之一是应用程序性能监控(APM)。
在大多数情况下,组织机构已经设法去获悉他们本地应用程序的性能。使用从SAP解决方案经理提供的解决方案到来自包括Riverbed技术公司、 Dynatrace公司以及其他公司的基础架构监控平台,企业对于传统的应用性能都有一个脉冲。然而,随着企业迁移应用程序到云端或是在内部基础设施架构 和云设施基础架构之间分割资源,监控变成了更大的挑战。
应用程序的性能监控需要超过能够检查系统日志或是从基于代理的产品中精读陈旧数据的能力。运营团队需要和开发人员联手去识别动态调整系统资源的机会。最好 的选择是提供一个积极的途径。在企业的虚拟基础设施空间,比如,VMTurbo使用性能数据来调整系统设置和虚拟机(VM)的布局。在考虑混合应用程序的 需求时,运营团队能够从相似的方式中获益。
混合应用程序的分布式特性意味着分布式的管理域。举例来说,一个混合应用程序在本地部署用于交易的计算系统以及在云端部署用于数据分析的虚拟机。在这种情 况下,正如传统应用程序一样,APM工具必须占用存储、计算以及网络的性能。但是因为虚拟机可以在任何地方,企业运营团队不能访问底层的基础架构设施。这 种限制意味着基于硬件的监控并不可选。
备注:追踪混合性能最成功的方式实际上是在应用程序中集成监控。
追踪混合性能最成功的方式实际上是在应用程序中集成监控。Netflix的混乱猴子性能监控计划,聚焦在应用层,就是一个很好的例子。运行在Amazon 网络服务环境中的服务,自动分配资源以满足需求。如果负载增加,资源就被释放;相反,如果需求减少,资源就会自旋降低。
基础设施即服务并非唯一的考虑。组织机构开始利用软件及服务(SaaS)以及平台即服务(PaaS)。简单的在一台虚拟机上安装一个管理代理并不能满足大部分组织机构的需求,因为无论是在Paas还是SaaS,都没有一个操作系统会暴露给客户。
很显然,并非每一个组织机构都有资源或是需求去利用类似混乱猴子这样的开源平台去满足它的性能监控需求。类似来自SignalFX的公司的新的唯一的 SaaS选择可以填补这一差距。上个月启动时,位于加州圣马特奥市,介绍了结合性能追踪和分析的混合基础设施监控软件。结果是APM工具允许客户关联性能 和事件数据,这就能够让用户积极地调整他们的混合基础设施或是必要的时候采取措施去协商新的服务水平协议。
同时,传统的性能供应商,例如Splunk,也开始调整他们的混合云产品。尽管Splunk不提供实时的性能监控和分析,软件也能够提供强大的时间关联。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。