至顶网软件频道消息: 随着移动互联网、云计算、大数据等技术的深化应用和交叉融合,不仅企业的IT应用和管理模式发生了变化,员工的工作、生活也在随之改变。原来装在本地环境的软件现在变成了一个个服务;以往企业的IT部门需要承担繁重的系统和网络运维工作,现在云计算服务商将它们解放了出来。Cloud的灵活性和可扩展性使得以前的不可能变为可能,彻底转变了用户的业务运营模式。
然而,传统企业的云计算之路并非一帆风顺。当前的最主要障碍之一是,在国内云计算基础设施(IaaS)与云计算软件服务(SaaS)之间,缺乏了一个通用性的服务平台(PaaS或CaaS)。以至顶网刚刚完成的主流云计算厂商网络应用性能测试(http://net.zhiding.cn/network_security_zone/2017/1109/3100268.shtml)为例:在测试初期,原本计划是采用专业的网络应用性能测试仪表来完成本次测试工作,但是,在经过近一个月的尝试之后,最后还是放弃了这个想法而采用Linux上的小测试工具来进行测试。
为什么会出现这种情况?最主要的原因就是缺乏一个通用的接口服务平台在测试软件和不同公有云基础设施间进行对接。当前的云计算基础设施技术发展,还没有成熟到出现一个统一的技术标准,各个云计算厂商均是按照自身对云计算技术的理解,来打造自己的云计算基础设施产品,并在各有自身特色的云计算基础设施之上开发自己的服务中间件接口,然后在上面搭建各种软件应用系统。这样的应用系统,首先满足的也是厂商自身的云计算应用需求。这也是当前主流云计算厂商均是主流互联网厂商的主要原因之一。
但这为传统企业的云转型带来了很大的阻碍。以前,传统企业的整个IT系统基本上都是构建在物理服务器上面的,网络、计算、存储都是标准接口的硬件产品。一套硬件构建一个基础架构,满足某些特定企业应用,这些应用基本上是不同年份、不同环境开发出来的,Windows、UNIX、Linux各种类型应用可能会并存,而且有很多还是企业的核心应用,是企业开展业务的重要依赖,其对可靠性、安全性的要求也非常的高。
这些企业IT系统如果要向云计算迁移,就会产生一个传统IT系统物理端口与云计算虚拟端口进行对接问题:各大云计算厂商所提供的网络资源接口、存储资源接口、计算资源接口各有不同,需要如何去一一进行适配?适配后如果感到应用效果不理想,需要再次进行迁移时,这些适配工作是否要再重新进行一次,所需要付出的工人成本、时间成本、业务稳定性问题要如何解决?而且从上次云主机网络应用测试结果来看,不同云计算厂商所提供的云计算产品应用侧重点也各不相同。这样的话,未来企业IT系统还需要考虑如何在不同云计算系统上进行部署,适配任务会更加繁重。
目前国内云计算厂商已经开始对此类对接问题产生重视,并且也正在试图通过Docker、微服务、云计算物理主机,以及对多种不同存储、数据库的支持,解决这类问题。但是“通用性”的问题依然无法解决,而且对于云计算厂商而言,也不会有解决这方面问题的动力。毕竟作为厂商而言,肯定会希望通过各种方式将用户留住,而不是向竞争对手那里进行流失。
从当前的情况来看,要解决云计算应用的PaaS层通用性问题,有一条路就是依赖一个强有力的第三方服务商,让他们在不同云计算厂商的IaaS平台上,搭建出一个标准的、具有通用性的PaaS接口,让用户的上层应用可以如同在物理服务器上部署一样在不同的公有云、私有云上任意部署。
这个想法很好,但是有实力进行通用性PaaS接口开发的企业,通常也会推出自身的公有云或私有云产品,有了这些产品后,通用性就又会再次成为问题……
还好,这个问题现在已经看到了答案,这就是容器技术:将传统企业打包进容器,然后部署到云环境不失为一种解决办法。其实,容器不仅是解决不同私有云平台,同时也是解决跨不同云平台问题的有效解决办法。
不过之前由于容器底层的调度平台存在K8S与Mesos、Swarm三强之争,给企业的选项带来了困扰,好在如今这三强之争已经结束,目前K8S主导PaaS平台基本已成定局。实际上,不少此前通过提供不同Docker调度引擎的各种服务商(比如Rancher)如今已经转移到K8S技术路线上了,同时,过去一直犹豫的一些厂商也终于选择了这条路。
不过,光有Docker+K8S距离商业应用还有不少距离,比如,在管理和监控方面,特别是多集群的管理方面都还存在有不少不做,这就给了一些CaaS平台供应商以机会。实际上,CaaS眼下是如此之热,算得上是企业级市场的一个风口。
顺便一提的是,曾经的应用虚拟化技术在一定程度上也可以达到这个目的:由于应用完全运行在后台服务器上,所以它在一定程度上也可以实现应用跨平台。不过,这种技术更像是“野路子”,它的原本是要解决安全问题(应用和数据不落地),跨平台只是它的“副作用”。如今,在云环境中这项技术找到了新的存在价值。据悉,思杰已经提供了一个XenAPP工具套件,作为帮企业云化的一个伙伴或者说一个推手,助力企业的应用向云计算进行迁移。
好文章,需要你的鼓励
当前软件工程团队正在试验基于AI代理的编码工具和大语言模型,以提高开发速度和质量。然而,AI编码工具的效果很大程度上取决于使用方式。开发者需要提供结构化的问题描述、明确的执行要求和相关上下文,同时建立适当的防护机制。AI不仅能处理重复性任务,还能识别和评估替代方案,从被动助手演进为工作流程推进器。成功的关键在于将AI视为合作伙伴而非快捷工具,并将其整合到软件交付的全生命周期中。
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
Salesforce发布企业级AI智能体平台Agentforce 360,将AI智能体融入几乎所有应用中。该平台采用混合推理引擎Atlas,结合大语言模型的概率思维和业务规则的精确性,支持语音交互和深度集成。以Slack为主要界面,提供Agentforce Builder开发环境,能将非结构化文档转换为可查询记录。Salesforce内部已部署该系统,每周处理180万次对话,主动服务活动增长40%。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。