至顶网软件频道消息: 近日,红帽推出了OpenShift.io,又在2017红帽全球峰会上讨论了某些非常惊艳的OpenShift.io功能。红帽IT识别与访问管理团队首席系统工程师Brian J. Atkisson总结了7大有趣的功能。
OpenShift.io从构建伊始就是为了能够让开发团队快速发布软件。这是该平台的主要目标之一。我最喜欢的东西之一就是其中包含的看板。虽然基于Web的看板并不是什么新鲜事物,但这个看板实际上是与其他开发环境整合在一起的。Git提交、问题等都可以从OpenShift.io中进行管理,无需在20个不同的Web工具之间复制/粘贴数据。
大多数IT商店正在使用Jenkins进行某些构建pipeline的工作。但搭建过的人都会告诉你,将Jenkins与你的构建系统联系起来绝对让人苦恼不已,更不用说某些类型的CI/CD方法了。借助OpenShift.io,您可以免费完成这些工作,并由原生集成和可定制的构建pipeline加以补充。这个想法是为了消除在构建pipeline的过程中存在的复杂性,便于快速测试和环境推广。Jenkins工作流程可以直接在Jenkins中查看,也可以作为OpenShift.io仪表板的一部分来查看。最后,开发人员可以使用一个大型库来访问构建pipeline模板Jenkinsfile,以便包含您可能需要的任何组件。这是可以高度定制的,甚至可以使用特定的git分支来尝试。
OpenShift.io包含Eclipse Che IDE。这不是一个附件,也不是什么你必须在笔记本电脑上安装的东西;它只存在于OpenShift.io平台中。Eclipse Che是下一代Eclipse IDE,将完整的IDE带入具有原生容器支持的浏览器。您的代码能够在OpenShift.io容器中无缝构建和执行,路由也可以自动创建,你甚至可以建立起终端。这将Google Docs这种共享的可用性带到IDE中,然后您可以轻松地将URL传递到IDE会话中,甚至可以在用户之间还原光标的位置。OpenShift.io不仅仅为你提供了与生产相匹配的开发环境,实际上还可以在平台本身中编写代码!
OpenShift.io为您提供了各种工具,能够让您极其容易地把传统的J2EE应用迁移到云端。事实上,OpenShift.io甚至为您提供了一个迁移向导,它可以替您完成大量的迁移工作,甚至可以进行代码级的变更。此功能在2017红帽全球峰会上进行了演示,能够自动从WebSphere迁移到在OpenShift.io中运行的JBoss EAP7。
Java生态系统的总体健康状况在过去几年遭受到许多严重的漏洞之后,一直受到质疑。OpenShift.io具有全栈分析功能,能够让您检查堆栈中的每个组件。强大的引擎能够扫描社群提供的库,并能够在出现安全问题的情况下提醒您。此外,它能够推荐更安全的库版本,甚至可以推荐替代库。这超出了简单的警报和建议的能力,可以真正帮助您安全地开发安全的解决方案。这种集成还扩展到Eclipse Che IDE中,能够在您使用不安全的软件时发出警报。
如前面所述,OpenShift.io分析引擎推动了安全扫描服务。这一基于Fabric8的、集成的大数据分析平台是一个自学习平台,旨在提高代码质量,并协助开发人员进行基于数据的选择。它能够扫描社区库、CVE、提交作者、社区大小和其他指标,并将这些信息汇入某个已知的概率模型中。最终的结果是提供真正有用的、实时的开发协助,而这一切还能够随着时间的推移而不断发展和改进。
您可以使用简单的向导快速启动某个应用。使用快速启动可以让您获得基本应用,辅之以:
这使得它很容易上手,并易于处理那些烦人的部分,包括构建groovy脚本。
综上所述,OpenShift.io以OpenShift 3为基础构建而成,为开发人员提供了一套真正奇妙的平台。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。