应用性能与网络息息相关,而新的应用正不断给企业网络增加压力。移动设备、大数据和客户的交易都在增加网络云整合的挑战,这推动了对可根据业务需要来扩展的专用网络的需求。下面让我们来看看在选择服务提供商时应该考虑的因素,以帮助确保网络容量满足你的需求:
1.以太网无处不在:对于企业而言,网络运营商可在全球范围内提供一致的服务水平是关键因素。理想情况下,你的网络服务提供商应该能够在所有地区提供相同的“以太网无处不在”的体验。有些运营商在亚洲很强,但在欧洲却不行;还有些在美国很好,但在拉丁美洲又不好。业务全球化要求服务提供商在所有市场规范化其服务交付,以满足跨国公司的需求。
2.实时网络分析:同样重要的是,IT专业人员应该要了解和分析应用性能问题,因为这关系到底层网络。很多最具创新性的网络服务提供网络统计信息仪表板,并能够对网络性能执行实时分析。了解应用带宽性能要求让IT部门只需为特定应用和特定时期购买所需的带宽即可。很多企业有季节性高峰期,需要灵活地调整IT资源来满足不断变化的业务需求。
3.按需带宽功能:很多大型网络运营商都无法向客户提供按需带宽。当部署服务水平协议(SLA)时,企业应该要求网络服务提供商同时支持计划内带宽增加(例如当测试新应用时)或者计划外事件(例如自然灾害)。
4.“最后一英里”多样性:对于大型服务提供商和运营商来说,所谓的“最后一英里”仍然是复杂的问题。如果没有妥善管理的话,连接到客户的“最后一英里”可能造成严重瓶颈问题。企业应该寻找可控制这部分网络的运营商,确保他们可在LAN之间提供始终一致的高品质(QoS)水平。大型电信服务提供商主要基于他们销售的服务量来获取利润,所以他们总是会试图向客户销售尽可能多的带宽,即使客户不需要在所有时间都有高水平的带宽。
5.云市场桥接:随着云基础设施服务(例如亚马逊云计算服务和IBM SoftLayer)的广泛部署,企业开始需要整合网络与云计算服务。企业应该将其云战略立足于业务目标,但我们经常看到,当企业网络缺乏灵活性时,他们会失去云计算的经济优势。网络必须能够满足新云服务和应用的带宽和配置需求,因为你的云计算取决于你的网络。
6.移动性和安全性:BYOD给IT部门带来很多网络挑战和安全问题。BYOD已经成为员工的普遍做法,企业可以将来自智能手机、平板电脑和笔记本的数据流量放在沙箱,以避免这些漫游设备携带恶意软件和其他有害软件到企业计算环境中来。通过使用网络数据包检测和网络行为分析,也可以帮助IT部门发现移动设备上潜在的安全问题。
7.全球网络运营中心:在出现问题时,管理员和工程师会希望与服务提供商的网络运营中心的网络专家进行交谈。然而,很多大型运营商将第一线客户服务外包给海外呼叫中心,这些支持人员只会填写故障单。有些顶级网络服务提供商则提供主动监控,作为你的IT团队的延伸。这些网络专家可以发现和修复网络问题,防止这些问题变得更严重以及阻碍业务活动的正常进行。
8.针对按序数据包交付的服务水平协议:在选择新的运营商时,IT部门应该考虑的主要因素是可管理按序数据包交付和抖动的SLA。企业与网络运营商的SLA应该规定100%按序数据包交付以及低于1毫秒的抖动率,以确保高水平网络性能来满足所有应用处理要求。
9.可定制的解决方案:很多大型运营商提供所谓的目录解决方案,这并不一定符合客户的应用和性能要求。企业应该寻找创新的运营商,可为客户制定网络来满足其独特的需求和不断变化的业务需求。企业还应该确保供应商不需要中断网络或销售新服务来让其适应企业不断发展的需求。
10.单或多供应商战略:在决定续约或转移到多协议标签交换网络时,IT专业人员面对的一个问题是,是否选择多供应商战略或单供应商。对于这个问题,并没有正确或错误的答案,但这个做法应该尽可能透明以避免技术问题和程序问题。IT部门应该选择最透明的方案,让网络管理员可以发现和快速解决问题。
好文章,需要你的鼓励
"影子AI"是指员工在未经公司批准的情况下使用AI工具办公。虽然ChatGPT等工具能提升效率,但将内部文件、客户数据或源代码输入未授权平台,可能导致企业数据失控。IBM报告显示,20%的企业存在未授权AI工具,63%尚无AI治理政策。专家建议,一味封禁效果有限,企业应明确哪些工具可用、哪些数据禁止上传,员工也应主动核查AI输出内容,避免将敏感信息粘贴至公共AI平台。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
Hirebotics联合Fanuc发布首款基于无代码Beacon平台的防爆协作喷涂机器人Cobot Painter。该方案适用于金属制造商,无需专用喷涂房或复杂编程,可在现有人工喷涂环境中数日内完成部署。操作人员通过平板或手机的"点击示教"功能即可引导机器人完成路径学习,实现液体涂料、粉末涂装等高精度重复作业,帮助制造商将涂装业务收回自主管理。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。