2018年9月6日,华为云中国行系列活动在“江城”武汉举行。华为云BU PaaS产品部总经理廖振钦在大会现场进行了“做有信仰的云,在创新的道路上加速奔跑”的主题发言,与参会企业分享了华为云目前的整体进展,以及AI时代华为云的创新和思考,并发布了华为云应用服务的三大新品:端到云全链路应用性能管理APM、专享版微服务引擎CSE、应用编排服务AOS图形化设计器。华为云持续打造PaaS产品能力,助力用户Cloud2.0时代实现云端高效创新。
华为云基于自身多年实践,提供领先的产品与服务,专注解决企业在云上开发运维中遇到的瓶颈和难题,帮助企业应用快速上云,简化运维,从容面对数字时代的转型和挑战。
从端到云,全链路应用性能管理APM,让应用运维更简单
在应用上云过程中,除了要满足应用运行的基础资源之外,还要能保障应用系统长期稳定运行。此次华为云重磅发布的端到云全链路应用性能管理,提供端到云应用性能追踪能力,通过应用全景拓扑实时展现应用运行状态,快速故障诊断,解决日常运维的痛点:
全链路追踪。从端(Mobile/Brows)到云应用(Server),通过分布式调用链追踪技术还原问题现场,分钟级定位代码性能瓶颈,大大缩短了线上问题分析/修复时间;
智能根因分析。基于华为云APM Lab最新专利技术,无需任何人工干预/设置,通过AIOps智能分析引擎,结合历史运维数据规律和代码执行的路径,分钟级找出问题根因(比如参数错误、调用方式错误等);
零编码接入。以往手机APP或云应用端的性能数据采集,业界通常做法需要开发人员修改代码才能接入,华为云APM推出全球首家“黑科技 ”,用户无需使用SDK方式埋点,APP/云应用快速接入。
端到云全链路应用性能管理APM,协助企业减轻传统运维的压力,为企业关键业务保驾护航。
专享版微服务引擎CSE,微服务管理规模10倍提升
随着微服务技术的成熟和普及,越来越多的企业把自己的生产系统向微服务架构迁移。华为云微服务引擎CSE提供高性能微服务框架和一站式服务注册、服务治理、动态配置和分布式事务管理控制台,帮助用户实现微服务应用的快速开发和高可用运维。今天发布的专享版微服务引擎CSE,为每个租户提供物理级隔离的服务注册、配置和治理,单租户管理规模10倍提升。
据华为云微服务引擎专家透露,为了满足用户在大规模实例下的管理需求,微服务引擎推出了专享版,其主要优势在于:管理规模更大,基础版微服务引擎只能承载一定数量的租户微服务个数和实例,对于大规模微服务集群来说不够用。专享版微服务引提供多种套餐规格,支持万级微服务、万级实例;在访问性能方面提供更佳体验,微服务实例下线、配置变更即时感知,配合优雅停机和滚动升级机制,真正实现升级不断服;由于是独立部署,资源独享,安全性更高,实现真正意义上的资源完全隔离。专享版微服务引擎更好得满足了企业微服务转型的多样化需求,帮助企业强化微服务能力。
应用编排服务AOS图形化设计器,让应用上云更简单
应用编排(Application Orchestration Service)AOS服务是华为云上的自动化能力平台,提供了华为云上应用与服务资源统一管理的自动化能力。企业应用上云过程中,由于业务规模庞大,依赖关系复杂,难度极高。为了解决这一痛点问题,华为云AOS应用编排服务推出了图形化设计器。
本次新发布的图形化设计器。用户借助图形化拖拽方式可实现云上应用和服务的快速编排,大幅降低使用门槛,让所见即所得。同时通过大量电商、区块链、人工智能、游戏等行业场景50+模板复用,将大大提高应用上云的效率。AOS图形化设计器深度整合华为云70+服务资源和容器类应用,灵活满足客户在多样化业务场景下的编排需求。AOS图形化设计器在公测过程中,解决了很多客户场景的诉求,包括云上开服、资源规划、业务编排等,接下来AOS图形化设计器将会帮助更多企业化繁为简,实现应用轻松上云。
华为云持续进步,在创新的路上加速奔跑。在应用上云时代,华为云将持续以敏捷、开放、企业级的应用服务,助力企业应用上云更简单,运行更高效。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。