至顶网软件频道消息:6 月 26 日,为帮助开发人员在多源云环境中继续实现 DevOps 创新, BMC软件公司近日推出免费的自助式独立开发环境——Control-M Workbench。这一新功能加快了应用程序交付速度,提高了应用程序质量,并可帮助组织在竞争激烈的数字业务中快速创新。
Control-M Workbench 扩展了 2016 年推出的 Control-M Automation API 的功能。Control-M Automation API 是一组编程接口,允许开发人员和 DevOps 工程师在敏捷应用发布过程中,以自助形式自动执行应用程序工作流。Control-M Workbench 可以在几分钟内完成部署,让开发人员能够自主编码、调试和测试工作流,方式与其它编码活动完全相同。
Control-M Workbench 支持数字业务自动化,这是一种可简化混合多源云环境管理的新型 IT 自动化自适应方法。
使用“作业即代码”加快 DevOps
开发生命周期早期的测试、监控、自动化和策略的合规性活动通常是指左移策略,它是加快数字化服务创新的关键助力因素。借助“作业即代码”方法,开发人员可以使用当前的 DevOps 工具将业务应用自动化直接编码提交至交付流程,并左移业务应用的企业自动化。通过向开发人员提供 Control-M 这款市场领先的工作负载自动化解决方案的直接访问权限,运营部门可获得测试完毕、可付诸生产的应用,以推动业务发展。
通过使用“作业即代码”方法并利用 Control-M Workbench,组织可以实现:
“我们在研究中多次发现,在促进开发和运营部门高质量协作方面越成功的企业,越有可能实现出色的收入增长。不过,我们常常看到的是,新的应用和服务完成部署后就被丢给运营部门处理并进行维护。”企业管理协会 (EMA: Enterprise Management Associates) 的 Julie Craig 说道,“‘作业即代码’概念支持工作流规范方面的‘左移’趋势,这样一来,执行给定作业所需的步骤便成了代码本身的一部分。”
Control-M Workbench 有助于实现开发和运营部门之间的技能共享与协作。这一新功能为开发人员提供的访问权限包括在沙箱环境中构建、测试和调试批处理自动化,并与他们首选的持续集成/持续交付 (CI/CD) 工具和方法如 JSON、Git、Jenkins 等无缝集成。
BMC 的客户 Carfax 已经采用了这种 DevOps 新方法,开发人员可将其用在各种应用上。“‘作业即代码’方法对于从事敏捷开发和 DevOps 的任何人来说都至关重要。”Carfax IT 运营部门的自动化分析师 Robert Stinnett 说道,“我们在运营中已使用 Control-M 多年,借助这款产品,我们的开发人员能够在熟悉的编码环境中完全拥有并掌控他们的作业,可以定义希望在生产中实现的业务流程自动化。”
“在多源云环境中保持敏捷性的关键在于公司能够应对多样化基础架构、异构数据和加速应用带来的挑战,以实现真正的数字业务自动化。其中一个特定挑战就是加强开发与运营团队在应用交接流程上的协作。”BMC大中华区总经理陈明华说道,“借助Control-M Workbench,开发人员和 DevOps 工程师可以在提高应用程序质量的同时更快速地左移并交付应用,从而推动业务发展,提升竞争优势。”
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。