谷歌、IBM和Lyft周三宣布了Istio的首次公开发布,这是一款开放源代码服务,为开发人员提供了一种以供应商为中心的方式来连接、保护、管理和监控云平台上不同微服务器的网络。
Istio为开发人员提供了一种以供应商为中心的方式来连接、保护、管理和监控云平台上不同微服务器的网络
据这些公司表示,创建Istio是为了解决将基于应用程序的微服务集成到分布式系统中所面临的固有挑战,即合规性和安全性问题。
通常,开发人员必须通过更改应用程序代码来解决分布式系统问题。相反,Istio的目标是成为位于应用程序服务和网络之间的统一的基础架构层。
这些公司在一篇联合发布的博客文章中表示,“这种结合了服务部署的、统一的基础设施层通常被称为服务网格”。他们表示,“正如微服务器帮助解耦功能团队一样,创建服务网格有助于将运营商与应用程序功能开发和发布流程分离。Istio通过系统地将代理注入到其中的网络路径中,将不同的微服务转变为集成的服务网格。”
虽然Istio平台是谷歌和IBM之间协作的开放源代码项目,但支持的软件是使用来自Lyft的Envoy代理构建的,该软件是这家“搭便车”的公司为了解决其内部操作性问题而开发的。
对于IBM来说,Istio项目也能够支持该公司简化开发人员使用IBM Cloud上的容器构建和管理更安全认知应用程序的方法。随着微服务和容器在下一代应用程序开发中进入舞台中央,这一努力就显得越来越及时。IBM表示,Istio还为首席信息官们提供了强大的工具,可以在整个企业中满足安全性、政策和合规性要求。
目前发布的Istio针对的是Kubernetes环境,但这些公司表示,他们打算在未来几个月内增加对其他环境,包括虚拟机和Cloud Foundry的支持,并且Itsio将在IBM Cloud上提供。
到目前为止,Red Hat有Red Hat OpenShift和OpenShift Application Runtimes、Pivotal、Weaveworks with Weave Cloud和Weave Net 2.0,以及Tigera与Project Calico Network Policy Engine已承诺支持该项目。
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。