ZD至顶网软件频道消息:近日,一年一度的CA WORLD ’16 上,CA Technologies宣布CA DevOps组合增添新功能,全新的DevOps组合贯穿开发到生产全过程,囊括从云端到设备及全部中间环节的所有支持技术,提升动态应用、基础设施和网络的用户体验。
新发布的CA核心应用和基础设施监控产品加速高质量应用的迭代,同时提高用户体验。CA应用性能管理(CA APM)、CA性能管理和CA虚拟网络保障的增强和全新整合,促进DevOps团队更好的合作,从而提高软件发布速度。
CA Technologies敏捷运维部门总经理Ali Siddiqui表示:“CA使企业拥有交付实时、完全整合且始终在线软件服务的能力。为了不仅限于支持静态业务流程和应用,CA为IT 运维提供了端到端可视化和自动化,以满足与多重云应用及服务的创新速度相匹配的需求。”
赋予体验智能化和现代应用管理实时洞察力、自动化工作流程及云端连接器
在CA APM中,以全新设计界面呈现的新型增强版分析工具,通过云应用、移动应用以及本地部署应用改善用户体验监控。CA APM还快速学习并适应了预测引导新用户,让他们对应用问题提出诊断,从而大大减少所需时间和专业知识。
此外,针对期望通过多重数字渠道交付可靠用户体验的企业,CA APM与新发布的CA应用体验分析整合,为这些企业提供全面洞悉用户体验、应用性能细节以及网络应用、移动应用和可穿戴应用的整体健康状态。从而保证自动、快速且直接地对任何潜在的性能问题进行补救。
南非联合银行(Absa Bank)服务保障和运维部负责人Kevin Kay表示:“为了交付运行流畅、设计精妙且可靠的用户体验,我们需要确切知晓系统在任何特定时间点的表现,以及任何问题给个人用户所带来的影响。CA的APM和基础设施管理解决方案,使我们可以快速找到是哪个系统组件造成了不尽人意的用户体验,它对用户的影响又是什么以及应该如何解决此问题。同时,通过从所有的数字渠道了解用户行为,我们得以不断优化界面设计和用户体验。”
针对有些企业希望将本地应用与云服务进行整合的需求,CA APM云端连接器能使DevOps团队灵活使用现代技术。在CA APM市场可以方便地下载Docker、Nginx和RabbitMQ扩展程序。在亚马逊(AWS)商店,CA APM也可以作为使用许可证,以实现根据需求和短期项目增加或减少应用性能监控。
整合持续测试与应用性能,更早解决问题
CA还宣布,领先的基于开源的持续应用性能测试解决方案CA BlazeMeter®将与CA APM进行整合,以实现更快的发布。通过两者的整合,开发人员可以模拟与应用性能细节相关的用户体验并在用户体验受到影响前识别潜在性能问题。
确保传统混合云与软件定义数据中心架构和谐运作
CA用CA性能管理增强CA虚拟网络保障,为软件定义网络(SDN)和云架构提供层次最深、领域最广的支持,例如思科ACI、瞻博网络Contrail(Juniper Networks Contrail)和OpenContrail、诺基亚Nuage、OpenDaylight、OpenStack以及VMware NSX。同时,CA还提供了高扩展性、低成本、易于洞察现代网络性能和企业服务整体性的最全面的网络和分析平台。
美国企业管理协会高级分析师Shamus McGillicuddy表示:“企业正在转变他们的网络以支持数字化举措,他们需要可以完全支持SDN和现有环境,同时并未增加操作复杂性的监控工具。通过CA性能管理和CA虚拟网络保障,CA提供了一个全面且高扩展性的解决方案,从而使网络运维可以监控并检修支撑混合云和软件定义数据中心架构的复杂网络。”
在CA World上,CA Technologies还将展示贯穿应用生命周期的软件持续交付和持续集成的CA DevOps补充解决方案。这些解决方案使企业拥有感应、响应和适应市场变化和运维需求的能力,从而发挥出强大的DevOps实践的敏捷优势。
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。