根据企业管理协会研究显示,大数据虽是炒作焦点,但确实在影响网络人员的容量规划。
大数据分析现在是炒作焦点,很多企业都喜欢这样的想法,即通过对海量结构化、非结构化和部分结构化数据进行高级分析来发现意想不到的可操作业务洞察力。但所有这些数据处理是有代价的,特别是,这些数据会给网络带来影响。
大数据和大数据对网络运营影响的问题并不适合心脏虚弱的人。我们都知道,大数据工具并不成熟,并且,知道如何使用它们的人也供不应求。但先抛开这个问题不谈,让我们来谈谈大数据给IT基础设施和运营带来的新负担。通过大数据技术,现在企业都开始想办法处理大量数据,而这些数据本来可能被抛弃或置之不管。
企业管理协会(EMA)对北美150家部署大数据的企业进行了调查,以了解大数据对IT基础设施管理的影响。该报告《大数据对IT基础设施和管理的影响》研究了哪些IT方面最受大数据的影响,该报告还探讨了IT企业如何使用这些相同的大数据技术来改进IT规划和运营。也许并不奇怪的是,该研究发现,网络和网络管理团队比任何人都更深刻地感受到大数据的影响。
大数据增加网络流量,迫使工程师作出调整
我们的研究发现,45%部署大数据的企业发现网络流量增加,这主要是因为对数据的收集。我们还发现,46%的这些公司发现因为对这些大数据的备份而让网络流量增加。而IT基础设施唯一受到大数据影响的是存储,这并不奇怪,因为大数据主要是关于对海量数据的收集和存储。
随着企业扩展对大数据技术的使用,网络和大数据影响问题变得更加突出。例如,EMA将在生产环境部署有6个或以上大数据项目的企业评为“高级”大数据用户。在这些公司中,55%看到来自数据收集更多的网络流量,61%则报告来自大数据备份的更多流量。
基于大数据造成的网络流量激增,EMA询问这些企业其网络团队如何应对这些情况。我们的研究发现在IT企业内所有基础设施管理人员中,网络管理人员在调整其基础设施规划和设计做法以应对大数据。超过半数的网络管理人员称他们正在制定计划来满足大数据的需求,从改进容量管理做法到扩展和升级网络基础设施来支持流量增加。特别是,这些管理人员需要设定大数据流量基准;这些流量只会不断增长,所以工程师需要理解这些趋势,并相应地规划容量。
与此同时,半数网络团队称大数据迫使他们调整其日常运营做法。这些网络管理人员需要调整其性能监控和故障排查工具以及流程,这都是因为大数据网络流量的增加以及突发性质。
网络管理人员让大数据为其所用
在探讨大数据对基础设施的影响后,EMA研究了IT企业如何让大数据为其所用。我们发现很多研究参与者在输出IT监测数据到大数据环境以进行收集和分析,于是,我们询问这些企业对这些IT监测数据的高级分析在改进哪些管理做法。
EMA发现,57%在使用大数据分析来支持网络容量规划,53%在使用它来支持网络可用性和性能监控。最后,在故障排查任务中,35%在使用大数据隔离网络中的基础设施问题。如上所述,该研究发现,网络管理人员在调整其规划和运营做法以应对大数据给网络带来的影响。现在,我们发现,很多这些网络管理人员开始运用大数据分析以加强规划和运营。
另外,对IT监测数据的大数据分析具有很大的潜力。EMA不仅观察到IT管理做法的变化,而且还衡量了这给IT企业带来的好处。45%的IT企业告诉我们,大数据分析让他们可以积极防御基础设施问题;45%报告称他们可更有效地管理IT运营费用。此外,46%称他们通过大数据分析实现更有效的基础设施容量规划。最后,41%称对IT监测数据的大数据分析帮助他们更好地让IT部门配合业务部门。
这项EMA研究分析了大数据对IT基础设施和IT管理所有方面带来的影响和好处,但很显然,网络管理团队应该特别注意大数据影响问题。大数据对基础设施的影响是真实的,并将随着时间的推移而增加。与此同时,网络工程师和管理人员也可以利用大数据分析来改进他们自己的工作。
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。