企业工作负载越来越多地迁移到云中,IT人员是时候使用下一代网络所需要的云监控工具了。
几乎所有企业现在都使用某种形式的云服务。其中,有超过97%的企业在使用软件即服务(SaaS);有超过42%的企业在使用平台即服务(PaaS);最后有超过53%的企业在使用基础架构即服务(IaaS)。
但是,这些应用的宽度与深度并不匹配。通常情况下,只有不到四分之一的企业应用程序通过SaaS交付。在使用IaaS和PaaS的企业中,半数企业都只是将不到3%的工作负载部署到云中。
但是,部署场景处于变革前沿。随着满意度的不断增加,加上集成与安全技术的不断成熟,运行在云中的工作比例在快速攀升。到2020年,我们预计有50%的企业工作负载运行在外部云。
引起这种变化的动因是DevOps技术和文化在越来越多的组织中传播,以及真正的私有云出现。这种技术都非常依赖于资源的自动化和编制:工作负载在各个位置上不断地扩大、缩小和来回移动。所有这些都在编制工具的命令行中自动完成,它们可以从一个应用程序容器上分配任何东西,小到一个微服务,大到一个复杂应用架构(包括容器、虚拟机)、服务器(外加存储、网络和安全)都可以。
相关技术搭配
在这个转变过程之中,IT必须保证要搭配相应的应用程序网络管理工具。
这意味着在整个过程中IT都必须有能力去监控可用性和性能,包括内部应用程序的开始开发阶段到各种服务产品的整个进化过程。成功意味着要能够全面监控服务组件及其底层平台元素,以及从服务器到用户设备的端到端监控。
用户不会关注于中间层的所有元素,但是IT需要尽可能多地理解这些服务是如何交付给用户使用的,因为它们需要知道各个组成部分中可能出现的问题。
必备监控目标清单
总体上,IT需要监控下面的层次:
• 资源层,包括:
计算主机,包括虚拟机(VM)、容器和工作负载直接使用的资源;
存储,包括块、文件或对象;
网络,包括物理和虚拟网络。
• 虚拟机层
• 容器层
• 应用/微服务层
• 用户可见的服务层
而且,IT必须同时跟踪外部和内部托管的工作负载。
在这个方面,如果网络管理工具目前基于网络设备,那么IT需要像在内部环境的一样在外部云环境部署这些工具的虚拟版本。由于管理基于运行在宿主、应用服务器或容器上的代理端,所以IT需要为准备监控的特定组件分配或配置一个代理端——在同一个自动化工作流、声明式定义或黄金镜像中。
类似地,IT只需要通过单独一个玻璃窗就能够查看到构成混合基础架构的所有层次和资源池的服务视图。理想情况下,这个仪表板会嵌入到云管理平台中,IT可以用它快速响应事件。单独一个工具和一个技术是无法解决所有问题的。云管理器是将现代分布式计算环境所需要的所有管理和监控工具聚集在一起的逻辑位置。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。