ZD至顶网软件频道消息: 如今,移动互联网的广泛应用和云计算的高速发展,为企业传统IT架构带来了巨大的挑战:用户体验前置、IT基础设施广泛云化、产品迭代越来越快,开发、测试和运维工作逐渐融合,被DevOps所取代。
云智慧总裁刘洪涛表示,十年前,企业的IT开发人员和运维人员是分开的,就像中间隔了一堵墙。但是现在,产品迭代越来越快,开发、测试和运维工作逐渐融合,这堵墙需要被打破,DevOps就是破墙之法。
但是,DevOps的实现并不简单,很多企业用户在实施DevOps时遇到了各种问题。如何让开发人员在应用开发中获得真实用户的反馈,从而降低运维风险;运维人员又如何将运维中遇到的问题回访到开发测试环境中去?刘洪涛表示:云智慧全栈应用性能管理跨越了开发和运营这两个环境,满足DevOps的诉求。
近日,云智慧发布全栈性能管理解决方案,正式推出面向业务的企业级应用全生命周期管理解决方案。据了解,该解决方案包括了云智慧旗下IT全栈性能监控工具监控宝、端到端性能管理平台透视宝、大规模性能测试平台压测宝和移动自动化测试平台,并通过大数据可视化分析把IT系统的性能数据和企业业务数据实现关联,对企业应用进行全生命周期的性能管理。刘洪涛表示,全栈性能管理可以基于真实业务场景,同时满足企业用户对于移动持续研发和敏捷交付的需求。
按照刘洪涛的介绍,这套应用性能全生命周期管理可以从四方面满足DevOps的诉求:
第一,移动自动化测试。应用经济的到来,让移动成为企业IT不可或缺的组成部分。企业需要不断开发新的移动应用以实现企业的各种业务目标。在这种情况下,确保移动应用的性能至关重要,这就要求在开发环境中对移动应用进行全覆盖测试。与落后的手动和远程测试不同,云智慧移动自动化测试工具提供更加快速的测试手段,可靠且可维护的自动化测试方法,兼容多系统平台及不同OS版本的稳定测试环境,针对设备性能的测量手段和基于持续集成的实时反馈,满足移动产品持续研发和敏捷交付的需求。
第二,性能测试。互联网+的深化应用让企业信息系统规模和复杂度与日俱增,用户以每年百万级的速度飞快增长,产品频繁迭代、升级,而测试环境和生产环境的差距却难以反映真实用户体验。云智慧的性能测试真正实现全链路真实环境的压力测试,真实地再现用户使用环境,在测试阶段准确定位性能问题,并对业务线上性能瓶颈进行预测和分析。
第三,性能管理和性能监控,统称叫应用性能管理。无论是在传统IT架构还是在云端,基础设施和应用的运行健康状态都是保证服务稳定可靠的基础,也是最耗费企业运维部门精力的工作。云智慧全栈性能监控产品监控宝以满足企业运维工程师的高效运维需求为出发点,通过将运维日常巡检工作自动化,把开发和运维人员从繁琐的日常工作中解放出来,进行更有价值的系统支撑工作,为DevOps的推进打下基础。
此外,当移动互联网与云计算出现后,用户不必再和企业的服务人员打交道,而是通过移动APP来直接获取服务,这就造成用户体验前置。传统的ITOM产品由于缺少有效的移动端和云端监管手段,难以发现用户体验前置带来的性能瓶颈,云智慧端到端性能管理平台透视宝以业务的视角,对整个用户体验交付链条的每一个环节进行数据采集和分析,准确发现和定位影响用户体验的任何性能问题。
刘洪涛介绍道:“我们可以实现每一个用户真实体验的监控,包括用户在使用应用过程中有没有遇到错误、异常、崩溃等问题,即使在夜晚用户停止使用应用,监控系统依然可以通过全球范围的监测点,每隔一分钟就对核心业务、应用和交易进行访问,以确保系统的万无一失。”
第四,安全问题。应用的安全越来越重要,为此,云智慧和业界知名安全供应商一起合作,基于云服务的产品进行主动扫描和内部监测,以及应用运行时的安全漏洞扫描,以确保应用安全。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。