以往在对云计算的技术优势宣传时,往往会提到,云计算系统容易管理和维护。而用户在实际应用中才会发现,云计算,尤其是开源云计算产品的管理和维护一点都不简单。随着云计算中计算和存储节点数量的增长,虚拟网络的运行维护负担也在迅速增加。从下面这张同样是由SDNLab总结的SDN应用开发工程师技能图谱中可见其一斑。是的,对于开源云计算系统而言,对其虚拟网络进行管理和控制的SDN应用大部分还是需要应用者自身去进行开发和完善的。
此外,开源云计算系统的频繁升级,也是运营维护者心中永远的痛。不跟随升级的话,版本跨越太大,新功能无法使用。跟随升级的话,一些自主开发的应用有可能无法正常运行。
云计算真正的技术优势在于,可以根据应用,自如的调配系统资源,弹性进行扩展。可是这些弹性扩展资源,都需要系统管理者手工进行控制的话,那么云计算的灵活性就会显著降低了。在Bluemix中显然没有此类问题的存在,用户资源是按照所使用的应用自动进行调配。用户不需要关心内部的网络、计算、存储等资源应当如何去进行分配。况且Bluemix作为一套独立的云计算系统,也没有频繁进行底层系统升级的问题存在。用户在使用Bluemix的时候仅需要作好自身应用的部署工作就可以顺利运营。自然也会远离那些运行维护的烦恼了。
通过对当前云计算产品在基础设施、系统搭建、应用开发、数据分析、管理维护这五大方面问题的分析,我们可以看出,Bluemix与开源云计算产品相比,可以为用户提供更加稳健的底层基础设施平台、更智能化的系统资源编排能力、更全面的应用开发技术支持、更周全的数据分析、管理、维护能力,同时还可以有效的减少用户在运营维护的工作付出。对于云计算应用技术薄弱的传统企业用户而言,Bluemix将是其向云计算业务应用迁移的一个很好选择。
当然,本次对Bluemix的体验还是过于浅显,未来至顶网还会从应用性能的角度出发,更加深入的为用户对云计算的业务性能,进行更加深度的分析。协助用户更加清晰的进行云计算产品的选择。(文/董培欣)
好文章,需要你的鼓励
全新搜索方式出现,字节发布宽度优先搜索基准WideSearch,垫底的竟是DeepSeek
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。