在企业的运营团队看来,系统的稳定性和可靠运行时间是至关重要的。因此,企业更乐意向能够负责的技术提供商购买开发完整的、有文档记录的,并且有售后支持的工具或软件。
一般来说,运营团队没有额外精力来应付新奇的DIY软件和工具,因为他们已经整天忙于处理各种复杂的基础设施、应用和客户。但最终,大部分运营团队却还是在使用混合在一起的各种工具– 包括众多技术提供商的产品与企业的内部开发软件。
另一方面,企业的开发团队却是软件开发者。他们常会专为某项工作而开发出特定的工具,并且乐意和同事们分享这些工具。敏捷开发意味着持续集成和持续部署,因此开发者们协作开发工具来自动处理单调的任务之后,也加速了应用的生命周期。我们所说的“客户至上”是依赖于响应速度的,而响应速度又依赖于自动化程度。在支持软件的高频次敏捷发布方面,开源的协作模式一直是非常有效的。
研发运维一体化(DevOps)使企业内的开发和运营团队开始产生协作,并且使两种相去甚远的团队文化也擦出了火花。系统稳定性依旧重要,但在客户时代,更重要的是贯穿了软件整个生命周期的敏捷性– 这也包括了运营团队的软件发布、软件部署和支持工作。开源协作工具在应用开发方面的成功预示着运维也可能朝这个方向发展。
去年,许多企业都在向Forrester咨询开源APM工具是否能够取代已有的商业解决方案。同时,我们也见证了APM提供商越来越多地参与到开源的贡献,参与和使用当中。变革正在发生着。
更多关于开源APM的内容,请见我们的报告“研发运维一体化将推动开源APM的发展”。您的企业对开源APM有怎样的看法?欢迎联系我们并且阐述您的观点。
好文章,需要你的鼓励
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。
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。
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。