随着现代企业网络进入公有云计算时代,企业网络管理员正转向与公有云服务提供商合作以确保网络可继续支持业务需求,这意味着某些IT基础面正在发生变化……
首先,云网络架构需要更加灵活:静态网络明显限制了云计算的使用。其次,网络服务需要从单个物理位置解耦,因为数据传输、计算和用户界面已经无处不在。最后,很多网络资源需要被抽象化,让配置可以实现自动化和协调性。
新的云计算网络架构
现实情况是,很多企业还没有准备好利用公有云或混合云。多年来,企业IT部门没有收到所需要的资金来升级基础设施以支持必要的速度和管理。
此外,传统网络的静态性质阻碍着网络管理员将其网络转移到云计算。
为云计算做好准备的网络要求包括以下:
· 企业应该能够以不同方式保护特定网络段以满足流经网络的数据的要求。在很多情况下,这需要基于网络的加密,同时,网络需要进行配置,以满足各种性能和安全要求。
· 企业应该能够为通过网络的特定应用和数据提供网络优先级。如果公有云包含关键业务数据,这些系统应该优先访问网络资源,包括容错和灵活的子系统。
· 企业应该具有应用感知网络。私有云、公有云和传统系统在以不同的方式使用着网络,这取决于应用、数据和用户界面,它们如何相互交互以及如何与云服务器交互。对于云计算而言,如果网络可针对这些使用模式进行调整,这种网络肯定更有效。
配置网络资源
当使用云计算资源时,如果网络可从物理资源解耦,网络则更有效。这也支持普适计算的概念,这是云计算的原则之一。实际上,机器或者访问它们的用户无法看到服务实例的位置,这意味着物理位置并不重要。
普适计算及支持它的网络专注于消除计算的复杂性和提高效率。其结果是,访问服务实例可以访问任何数量不同物理位置(如果允许的话),来搜索可用资源。
例如,应用可以有100多个计算服务器实例,运行在12个不同的数据中心,连接到在两个不同数据中心运行的四个数据服务器。所有这些服务器都是使用云服务提供商提供的网络基础设施连接,或者它们需要以相同的方式架构企业基础设施。企业必须能够配置网络服务来提供所需的灵活性以支持无处不在的云计算。
资源抽象化
最重要的变化是能够通过抽象层来管理网络,这意味着物理资源不需要像在过去那样进行管理。网络专业人员可以使用管理和自动化工具来捆绑代表资源逻辑分组的对象,而不是广泛分布的物理设备。这里的想法是隐藏云计算给网络管理员带来的复杂性。网络管理员不需要管理分布在企业基础设施数千台服务器,而是作为单个逻辑代表来管理应用、数据等。通过使用这种方法,企业可更好地管理资源,无论在内部部署、在云端还是两者兼而有之。
网络管理员会发现云计算带来了额外的挑战。但通过规划和更多的预算,在网络中增加云资源应是有效的升级,可以帮助企业显著降低成本和提高灵活性。如果你的企业还没有制定云计算计划,那么,现在是时候了。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。