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
代理式AI是继生成式AI后的新兴技术趋势,通过软件"代理"自动化复杂任务执行。与生成内容的生成式AI不同,代理式AI专注于执行操作。该技术将在两个方面影响数据中心:首先,随着48%的技术领导者已在使用代理式AI,这将增加LLM推理需求,进一步推动数据中心容量需求;其次,AI代理可能革新数据中心管理,自动化工作负载重新部署、性能优化和网络流量路由等任务,提升运营效率。
StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术,能够处理11种编辑任务,在新构建的GEdit-Bench基准测试中表现优异,为图像编辑技术的民主化开辟了新道路。
韩国SK电信发布了A.X 3.1 Lite,这是一个70亿参数的韩语大语言模型,完全从零开始自主开发。该模型在1.65万亿多语言标记上训练,重点关注韩语内容,可在智能手机上运行且无需云端支持。模型在韩语多任务推理基准测试中表现优异,响应时使用的标记数比同类GPT模型少三分之一。已开源并应用于SK电信的A.dot语音助手,支持实时通话摘要等功能。
BluOrion公司开发的ZClip是一种智能梯度裁剪算法,解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略,ZClip能够自适应地控制梯度幅度,相比传统固定阈值方法提升训练效率35%以上,同时显著降低训练失败风险,为大模型训练提供了更稳定、高效的解决方案。