时间过得越来越快,导致我们经常忽略日常发生的细微变化。然而突然有一天,我们再次审视周围,发现世界已经变得和过去完全不同了。
比如,云计算。Gartner 近期指出 “无云服务”策略,就像过去“无因特网”策略一样,将在2020年彻底消失——这就意味着每个企业都将在云端运行部分或全部的IT基础设施和应用。这种情况在刚刚过去的几年是不可想象的。
美国联邦政府CIO Vivek Kundra在2010年才提出“云优先战略”,要求政府机构在进行任何IT投资之前,首先对云计算方案进行评估。现在,诸多推动因素已经表明“云优先”战略向“全云”战略的转变已经不可避免,尤其是供应商和服务提供商越来越多地提供“纯云IT解决方案”。
云服务的普遍采用虽然有着诸多原因,但归根到底还是高效率和灵活性。通过采用云服务,企业能够更快地获得基础设施,更大的可扩展性和更高的可用性,加速上市时间。如果再结合灵活的定价模式和共享基础设施的经济性,那么该业务场景将是相当吸引人的。
另外一个推动我们走向云时代的因素是:企业能够充分开展DevOps(开发&运维), 摆脱资源限制,快速、可靠地提供独特的创新服务。这在当今千变万化的时代是必不可少的。
既然采用云已势在必行,那么现在的问题是:为什么不是每个企业都转向全云环境呢?现实是,IT部门还需要克服诸多挑战,才能真正获得云服务带来的优势。
大家知道,很多CIO都认为定义云服务提供商的支持和管理能力这一过程十分复杂。尽管IT可以明确掌握内部基础设施和应用,但涉及多方人员时,确定责任和职责就变得非常困难。 即使拥有内容全面的协议,一旦出现问题,还是很难确定责任方。
此外,很多云环境中,资源是基于服务提供商设定的规则而进行动态分配的。如果IT失去对资源的部分或全部控制,他们又如何快速调整或者优化资源,从而满足业务需求和应用要求呢?
还有一个问题就是延迟问题。采用云服务后,终端用户和云基础设施之间的距离拉大,这就有可能出现一些不可预知的事件。在当今时代,员工、客户和合作伙伴都期望实时响应,如果云服务产生延迟,显然不利于业务关键型服务。
企业如果拥有适当的能力是完全可以克服上述挑战的。首先就是将传统的基础设施进行现代化改造,以便能够支持云中心的网络环境。比如,软件定义广域网技术(SD-WAN)技术就可以简化内部部署和云应用的管理。它还可以实现网络连接的自动化和智能编排,以及跨混合广域网、远程局域网和云服务网络的应用交付。
统一的可见性和监控能力在“无处不在的云服务” 时代也是必不可少的。 只有了解了什么在影响云端或非云端的用户、应用、网络和基础设施,IT才能减少相互指责并加速解决多方问题。此外,这些能力在云迁移、适配和测试应用中还提供了对应用选择和应用优先级的建议,从而确保迁移之前的性能,为DevOps持续交付和评估应用更新提供支持。
最后,需要逐步采取措施来避免云服务和SaaS应用的性能过慢或不稳定。虽然大多数云提供商可以在一定程度上保证运行时间,但最好还是部署优化解决方案,加速云端的应用交付能力。该行业的顶级产品集成了监控和排障可见性,实现资源动态管理,以便应对用户连接和用户数量的增加。
“无处不在的云服务”时代革命不可避免,但更重要的是,这是一个继续向前发展的机遇。企业及其IT团队必须采取行动,否则,他们会突然有一天吃惊地发现自己已经落伍。
快来看看Riverbed 如何帮助下一代IT人员监控、管理和优化云端性能吧。
——作者:Riverbed公司大中华区总经理袁志陵
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。