可能你是守旧派,将其称为负载均衡。又或是你更为新潮,称其应用交付控制器(ADC)。再或者你更为赶时髦称其应用交付平台(ADP)。
无论你如何称呼他们,这些设备和软件即服务提供对管理终端用户和企业系统间流量的支持,且比以往更为重要。负载均衡、ADC以及ADP,无论其技术术语究竟怎么定义,辅助应用交付的特殊工具相差非常大,企业应该确保匹配适合其特定需求的平台。
如今的ADP:形式有时至关重要
形式是个非常重要的考量因素。在ADP还称作负载均衡的时代,IT服务交付环境只是为本地资源左右、由共享支持,以及一些专用的托管系统。在一堆盒子(通常是Web服务器)前使用一个盒子曾是一种好的解决方案。在今天的混合服务交付环境中,几乎是完全虚拟化的,很大一部分企业工作负载转移到变化的混合云计算服务中,以往的方案不再那么可靠。因此,首要的是,与旧的负载均衡不同,新的ADP应具备内置的虚拟形式(无论是本地还是托管的),同时也支持基础设施即服务部署。理想情况下,虚拟部署将允许ADP在工作负载发生变动的时候跟着工作负载走。
当然也并非所有的关于负载平衡的都过时了。举例来说,物理设备仍旧是重要的,特别是对于那些前端带有专有Web服务器的基础设施来说。如果有物理设备需要特殊特性的合规需求也是如此。理想情况下,一台物理设备将本身内带虚拟化。这将允许跨多个独立虚拟ADP实例共享资源,这是为强化安全特别定制的,能简化每个应用程序和多组合服务交付管理。
当然,如果将ADP作为一种服务来交付,则无需考虑形式问题,服务的提供和部署都是抽象出来的。
考虑规模问题
规模是另一个较重要的考虑因素。微服务的增加使IT转向更为面向服务化,ADP也需要为更多的设备管理流量。同时,他们需要处理服务中增加的东西流量,有时比终端用户流量更频繁、流量更大。为了应付这些流量的增加,ADP应提供横向或纵向扩展。理想情况下,应二者皆兼顾。ADP产品横向扩展时,管理工具需要通过简单的单一界面降低复杂性。
服务套件
再次,除了简单负载均衡服务套件也是至关重要的。IT服务使用模式已发生巨大的转变。员工从任何地方、在任何设备上以及任何时间里进行工作。终端用户和服务间的通信,或只是服务中的通信越发需要加密。
因此,企业应该支持带有多层功能的ADP,如支持任意地点办公的为移动特制的方案。解除不必要的加密既可以加快响应时间又可以减少需要运行应用程序的服务器数量。
适应自动化
最后,任何ADP都应该具备一个强健的API自动集成到数据中心并通过云端操作和管理。深入和全面自动化不再只是选项之一,相反,任何的ADP都应该纳入自动化体系中。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。