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
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。