TiD2018质量竞争力大会将于2018年7月15日-18日在北京国家会议中心举行。大会内容涵盖人工智能如何辅助研发、架构微服务化提高产品响应、DevOps、系统思考、大数据产品测试等新一代软件研发全流程,以纯技术交流与分享为主,内容涉及软件研发全流程以及各角色,历时4天,参会人数逾2000人,包括3个全体会议,10个并行track,100个并行Session,30多场大时段并行课程,共计超过150位演讲人。
华为云3位讲师将会在云论坛及DevOps论坛带来精彩演讲,分享华为云应用服务如何从企业开发者需求出发,提供一站式解决方案及实践操作经验。华为云专家还将带来《华为微服务解决方案与实践》、《大规模分布式系统性能测试实践》、《如何构建DevOps的基石---重新定义测试自动化,让质量保障活动无处不在》的主题分享。
企业如何基于微服务平台实现最大价值?
传统业务数字化、云化已成为不可逆转的趋势,如何基于微服务实现互联网转型成为了企业正在思考的问题,大量企业应用正逐步向CloudNative演进,微服务已成为CloudNative的事实标准。微服务也带了新的挑战:如何基于微服务架构高效开发和上线?如何保证在不可预期的流量下业务高可靠运行?如何实现在复杂的微服务系统中问题快速定位与恢复?如何保证传统架构下的遗留系统向微服务架构低成本迁移?
微服务通过将传统单体应用拆分成一系列功能单一的服务,每个服务独立开发部署让业务上线和演进更快,同时微服务带来的可伸缩性让系统在线可用性更好。但随着应用被拆分成细粒度之后,分布式系统带来了远程调用问题、一致性问题,大量的微服务对运维也提出了新的挑战。如何利用微服务跑得更快,又不至于被繁杂的分布式系统管理工作所绊倒?企业用户需要根据自己的业务、发展阶段,选择适合的平台、工具、策略去实施微服务。选择一个完善的微服务平台,能够帮助企业发挥微服务的最大价值,选择一个开放的微服务平台,能够帮助企业构建微服务生态圈。华为云推出的微服务引擎包含了微服务SDK、一系列的开发工具以及一站式微服务应用管理平台,同时还有专业的微服务解决方案团队,提供一站式解决方案支持,让企业纵享微服务带来的优点,无需关注背后的技术复杂性。
提前预知风险 CPTS强大建模能力还原真实复杂场景
随着应用云化和微服务化越来越成熟,对复杂场景的测试要求越来越高,在云上的分布式系统规模约来越大,调用链条越来越长,随之而来的,给如何在上线前提前发现和识别性能问题与如何扩容带来了挑战,如何快速针对分布式系统/微服务进行性能测试建模?
CPTS提供强大的性能建模能力,分层定义性能测试活动的测试任务、事务、事务元素(报文、思考时间、检查点)模型,确保用户使用的灵活性,快速构建各种复杂测试场景,模拟线上用户的真实行为,完美还原真实业务场景。
通过多事务的组合满足客户包含多个HTTP请求的测试场景。灵活设置事务组合,帮助用户寻找服务中隐藏较深的组合场景瓶颈点。
通过指定时间段设置事务并发用户数,模拟流量波峰波谷的复杂场景,分析服务性能拐点,帮助用户评估服务类似于电商抢购、火车票抢购等场景下支持的最大值,提前进行流量限制和容量规划。
数字化营销逐渐走进各个领域,线上的秒杀抢购活动已成为企业的必备营销手段,而营销带来的大规模流量浪涌正是考验系统的最佳方式,华为云CPTS可自定义超高并发,可轻松再现极限系统压力,帮助验证业务的抗压及稳定性,CPTS支持:
秒级百万并发能力,提前识别高并发场景下应用的性能瓶颈,防止上线后访问过大导致系统奔溃,易操作,缩短了测试时间。
支持多任务并发执行,让用户可以同时完成多个应用服务的性能测试,大幅提升测试效率。
在测试之后,用户需要依据清晰的测试报告快速定位问题及对系统瓶颈进行优化,CRTS提供丰富统计维度,并以领先的易用性思考对运维效率提出优化,具体特性如下:
丰富统计维度,提供TPS、并发量、响应错误类型细分、按时延响应区间分布等统计,客观反映用户体验。
提供离线报告,方便用户无人值守测试后对测试数据进行分析。
CPTS可与微服务云应用平台ServiceStage无缝搭配使用,可同时实现应用的快速部署、APM监控能力,CPTS可提供每个微服务实例中CPU/MEM/磁盘/网络等资源的实时或离线监控、以及微服务调用全流程的调用链跟踪分析,帮助用户实现微服务上线前性能调优,提前分析服务、APP中的问题,提前做预防,预知未来风险。
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。