应用性能基础设施企业Riverbed公司日前发布SteelCentral平台最新增强功能。Riverbed SteelCentral是一款全面集成的性能管理解决方案,提供集中可视化与深度分析,确保企业应用最佳性能,同时实现IT效率和生产率最大化。无论挑战来自广泛监控所有应用、网络和基础设施的性能,还是来自深入关键业务应用代码,SteelCentral都是唯一一款端到端解决方案。它整合了用户体验、应用、基础设施和网络监控功能,实现应用性能的全面可视化。
Riverbed高级副总裁兼SteelCentral总经理Mike Sargent谈到:“今天,SteelCentral在各个域孤岛间一路过关斩将,相互协作,旨在交付最佳应用性能,消除相互指责,加快解决问题。有助于IT再次将精力集中在企业的战略目标上。领先企业采用SteelCentral作为其应用性能‘指挥中心’的支柱——他们很清楚若无这样一个强大的应用混合运维视图,他们的相互指责将无法实现今天混合IT环境所需要的应用性能水平。
SteelCentral的这些全新增强功能在协作排解问题能力上前进了一大步。虽然新特性是在该平台的关键组件上推出的——包括Portal,AppInternals,AppResponse,NetAuditor,NetShark,NetPlanner 和 NetSensor的增强功能——但是它们也支持一般性的提升平台集成,同时增强了几项强大的功能,包括扩展的网络和应用可视化;最佳端到端应用事务监控;更具成本效益的Web应用和广域网优化监控。
性能管理集成方法,应对复杂的混合应用环境
提升IT协作和端到端排障能力是今天应用驱动业务领域的关键。对于今天的企业来讲,应用性能等同于业务性能,与此同时,随着SaaS、云、混合网络和终端用户移动性的增加,传统的、以域为中心的工具已无法应对应用复杂性。
“许多企业不具备成功所需的适当的性能管理工具,”企业管理协会高级分析师Shamus McGillicuddy说到。“普通企业会使用6-10种监控和排障工具,甚至还有更多的‘存架软件’。这些工具都不是集成的,都只负责各自的领域。现代IT基础架构需要那些与环境相关的、集成的深入分析,这点只有跨域管理工具才可以实现。”
应用不只是停留在服务器上的软件代码,而且还指:由应用调用的多服务复杂集成;多地方多数据库中存放的数据;本地数据中心和云中存放的物理和虚拟服务器;连接数据和服务的多个网络;错综复杂的应用软件架构;以及,各地从多种设备上访问应用的终端用户。在这种环境下,迷局中的任何部分,服务中的任何缺陷——从服务器故障,到代码问题,数据库问题,网络延迟,再到用户设备兼容性——都会降低应用速度或致使其完全宕机。不幸的是,企业一般采用单点解决方案来管理性能,而单点解决方案是彼此不交流的多个孤岛式工具。这导致极其难以解决的性能问题,以及耗费大量时间相互争论和指责。
SteelCentral以全新的视角应对应用性能管理。它深入全面地捕捉并分析所有网络和应用的性能数据,同时实时监控所有用户的终端用户体验。
SteelCentral新增强功能提升平台集成,强化多项强大的功能
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
中科院微电子研究所团队揭示深度学习中感知优化与质量评估存在意外不对称现象。研究发现评估性能优秀的模型在训练指导中效果有限,对抗性训练具主导作用,传统卷积网络在某些场景仍具优势。这项发现颠覆了"评估性能等同于优化能力"的传统认知,为AI图像处理技术改进提供新方向。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
香港科技大学研究团队开发了MOSS-ChatV视频AI系统,通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件,还能提供清晰的推理解释。研究构建了MOSS-Video数据集,采用动态时间规整算法训练模型,在多个视频理解任务上取得显著性能提升,为视频AI的可解释性发展开辟了新方向。