近日,数据可视化公司Grafana Labs与阿里云建立核心合作伙伴关系。双方将发挥各自优势,在可观测性产品、服务支持等方面展开全方位合作,共同打造Grafana托管服务,帮助广大企业快速具备各类数据源即时查询与数据可视化的可观测性能力。此次合作,也是Grafana与亚太地区云厂商的首次深度合作,双方将在中国区提供首款Grafana托管服务。

随着云原生技术不断落地,面向分布式应用和容器的数据可观测技术,覆盖从前端到后端、从基础设施层到应用层,成为企业必备运维能力。凭借其丰富的可视化看板、多数据源接入等特性,Grafana已经成为云原生时代的可观测可视化事实标准。CNCF发布的《 End User Technology Radar》报告显示,三分之二的受访者将 Grafana 与 Prometheus作为首选可观测工具。
为了帮助全球云计算用户构建基于自身业务特征的可观测性体系,阿里云与Grafana携手打造Grafana托管服务,使用户高效分析与查看指标、日志和跟踪的同时,无需关注服务器配置、软件更新等繁杂工作,有效降低运维复杂性与工作量,并借助阿里云强大的云原生能力,全面提升Grafana安全性与可用性。
Grafana实验室联合创始人兼首席执行官Raj Dutt表示,“我们在Grafana Labs的目标是确保Grafana可用,但这对我们的用户来说是最有意义的——无论是自建设施,还是在阿里云这样的公有云平台。借助全托管服务方式与不断展开的深度合作,阿里云的海量全球用户将获得远超自托管的便捷性与可用性,更高效、更低门槛地使用Grafana领先的开源看板和可观测性功能。更为双方打开一扇全新市场的大门。”
阿里云智能基础产品事业部总经理蒋江伟表示,“阿里云可观测产品始终致力于为企业数字创新保驾护航,双方此次合作将为全球用户带来更加优质、贴合业务场景的产品体验,为客户提供完整的可观测性方案,赋能企业数字化转型。与Grafana此次的合作,不仅仅是为了给客户创造更多价值,更是与开源厂商的强强联合,推动开源生态进一步茁壮成长。”
据悉,未来双方将不断扩展合作范围和深度,为企业提供更加丰富的基于阿里云的优秀可观测性解决方案,解决企业在数字经济时代的运维难题。
目前阿里云Grafana服务正在免费公测中,要在阿里云上了解更多关于Grafana的信息,请访问https://www.aliyun.com/activity/middleware/grafana

关于Grafana Labs
Grafana Labs围绕Grafana提供了一个开放的、可组合的监控和可观测性堆栈,Grafana是用于仪表板和可视化的领先开源技术。Grafana Labs的客户超过1500家,包括彭博社、摩根大通、易趣、贝宝和索尼,全球有超过750000台Grafana的活动安装。Grafana Labs通过全栈产品帮助公司管理其可观测性战略,这些产品可以通过Grafana Cloud完全管理,也可以通过Grafana Enterprise stack自我管理,两者都具有广泛的企业数据源插件、仪表板管理、警报、报告和安全性、可扩展指标(Prometheus&Graphite),日志(Grafana Loki)和跟踪(Grafana Tempo)。Grafana实验室得到领先投资者Lightspeed Venture Partners、Lead Edge Capital、GIC、红杉资本和Coatue的支持。
好文章,需要你的鼓励
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。