ZDNet至顶网软件频道消息:近日,北京华青融天技术有限责任公司(以下简称“华青融天”)在北京发布基于大数据的新一代应用性能监控产品EZSonar。
华青融天在IT运维管理领域有多年的研发和服务经验,在银行、税务、电力、政府等行业拥有众多客户和成功应用案例。EZSonar是华青融天在多年帮助用户进行数据中心运维、系统监控、根源问题定位和应用性能管理的经验下,根据用户需求研制成功的的BTM(Business Transaction management, 属于APM 的分支)自主产品,其1.0版本已在被多个关键用户所采用。其目标是打开业务系统运行的黑箱,将复杂的IT架构可视化展示给运维管理员,成为运维管理员的声纳(Sonar),让故障根源点无处遁形,此外,EZSonar可通过深层解码将对应用的监控延伸到业务层面,追踪每一笔交易的真实情况,实现从应用性能管理到业务交易管理(BTM:Business Transaction Management)的延伸。
会上,华青融天总经理吴雨分享了大数据时代带给IT运维管理的新理念和技术变革, 以及在这个趋势下华青融天的战略发展方向。华青融天认为,大数据技术将使性能监控和管理技术实现重大飞跃,基于大数据技术的运维工具开发将成为华青融天发展的未来方向,而EZSonar正是这种大环境下的产物。同时,华青融天也正在研发基于大数据的安全运营中心(SOC, Security Operation Center)。
华青融天总经理吴雨
华青融天技术总监王勇为现场嘉宾展示了EZSonar V2.0,介绍了产品功能和核心技术Agile Packet Decoder技术,并分享了他对BTM 业务交易管理理念的认识。王勇将EZSonar的产品功能的亮点总结为:自动发现、无缝监控、关联分析、敏捷解码、大数据平台、非侵入部署和灵活个性。
华青融天技术总监王勇
在中国国际金融展开展前夕,北京华青融天召开此次发布会,将公司在金融行业多年耕耘服务的经验和技术,形成完善的解决方案呈现给大家。华青融天作为本次金融展的参展商,希望能够广泛结识行业客户和合作伙伴,共同在IT主动运维领域耕耘收获。
关于EZSonar:
EZSonar是北京华青融天技术有限责任公司研发的新一代应用性能管理解决方案。EZSonar的目标是打开业务系统运行的黑箱,成为运维管理员的声纳,让故障根源点无处遁形。
EZSonar通过先进的协议解析技术,通过对系统网络流量数据的分析实现对业务过程的端到端监控,帮助运维团队建设性能监控平台。通过交易成功率、响应时间、交易数量、业务流量等核心指标,结合灵活的多维分析指标,对业务过程进行全面的监控,实现故障的迅速定位,有效降低故障恢复时间,提高终端用户体验。
EZSonar已支持大多数标准应用层协议(如HTTP、Tuxedo、MQ等等)和国内金融、税务等行业的标准协议,借助Adaptive Transaction Inspection技术,仅仅通过配置,即可解析用户自定义协议。EZSonar还可以通过深层加码将对应用的监控延伸到业务层面,追踪每一笔交易的真实情况,实现从应用性能管理到业务交易管理(BTM:Business Transaction Management)的延伸。
关于华青融天
华青融天(Fusionskye)成立于2007年,致力于基于大数据技术的应用性能管理、业务过程监控及安全管理领域的研究和产品开发。为帮助客户实现IT系统从基础运维到主动运维,再到安全运维的转换提升,提供产品、解决方案、专家咨询、集成实施的整体方案。
华青融天将大数据和搜索引擎技术和网络数据包分析技术结合在一起,应用于业务交易管理(BTM,Business Transaction Management),自主开发的EZSonar产品已在金融、政府、企业等多个行业成功应用,帮助客户在最小的成本投入和实施复杂度下,实现业务交易过程的可视化,将网络、应用、业务三个层面实现多维度指标的关联分析,成为运维团队精确定位故障点的得力工具。
除了将大数据技术应用在性能管理领域外,华青融天的SOC(安全运营中心)团队利用大数据为客户建设和运营SOC(一线二线驻场服务,事件调查服务)。SOC团队具有5年银行业SOC建设运营经验,是国内最优秀的SOC团队之一。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。