至顶网软件频道消息: 当下,企业的数字化转型正进行得如火如荼,云计算不出意外地成为众多企业数字化转型的核心支撑技术之一。而从IT运维的角度而言,云的普及带来的冲击是巨大的,一方面,在企业架构方面因公有云和托管云的存在让IT系统走出了企业防火墙,一个应用可能同时涉及公有云、私有云;另一方面,微服务、容器的普及,使得众多分拆后的应用之间构成了复杂的交互关系,这两方面都给应用系统的性能监控和系统故障排查带来了非常大的挑战,使得改进用户最终体验的努力变得越来越难。而在高度重视用户体验的今天,随着云、微服务、容器的普及,这一问题日益凸显出来,在这一背景之下,“数字体验管理”开始被不少企业认可和接受。
如前所述,云计算正在成为越来越多企业的标准IT环境,与此同时,以容器、微服务为代表的云原生应用也开始大行其道,这些技术的普及改善了IT基础设施的灵活性,加速了应用的迭代和发布速度,但却给应用性能和网络流程的监控都带来了很大挑战,因为在新的IT环境下很多传统的技术、方法乃至理念都不再适用。
“当系统的数据和应用都在公有云上,企业就在很大程度上失去了管理、监控它们的能力,比如,传统的方式就只能监控到45%的流量。” Riverbed亚太区技术方案架构师李耀宗在接受采访时表示。
Riverbed亚太区技术方案架构师李耀宗
李耀宗进一步解释说,这对故障排查非常不利。在数据中心内部如果发生任何故障,相对容易排查,基本上只是时间问题。而当这个环境换成云以后,应用运行在云服务商的数据中心中,排障或者定位问题都会变成很难。如果这个应用是微服务化的,不同容器之间会发生很多交互。这个不仅使得排查很难,同时客观上也会让网络延迟更容易发生。
另一方面,为了更好地进行性能管理、故障排查,我们必须解决这个问题,甚至出于费用管理以及进一步改善用户体验的目的都需要我们强化对应用的可视化管理。比如这些典型需求:要为流量付费因而要管理云的流量;要管理云和应用的性能,所以需要准确了解应用在云中的运行情况,了解应用组件和资源利用率;最终最为重要的是要对故障进行深入探查和分析。另外,出于成本上的考虑还要防范这些问题的发生,包括云的过度配置、不必要的云成本等等。而所有这一切都是为了让最终用户拥有最好的用户体验,这也正是数字体验管理的核心所在,从而更快地完成数字化转型。
Riverbed的最新版SteelCentral 解决方案就是数字体验解决方案的一个代表。根据李耀宗的介绍,SteelCentral可以实现云与私有数据中心的统一管理,从而消除云战略中的盲点和障碍,它还支持云成本的可预测性和服务等级,并降低应用监测复杂性。
Riverbed大中华区总经理袁志陵
“作为一家提供端到端性能监控解决方案的供应商,不管你是数据库、服务器、网络、中间件、存储,无论是运行在私有云、公有云还是混合云环境,我们都可以实现端到端的监控,用一个统一的平台来实现全部监控功能。” Riverbed大中华区总经理袁志陵如此告诉记者。
当下AI正在向各个行业渗透,给我们的工作和生活带来方便。实际上,AI在改变传统行业的同时也在改变IT行业自身,其中就包括对应用的全面监控和可视化。Riverbed大中华区技术总监张晓和在接受记者采访时就透露,为了进一步改善和优化Riverbed公司的产品和解决方案,Riverbed正在密切关注一些新的技术热点,比如物联网、5G和AI,尤其是AI,这将是Riverbed改善产品功能的一个关键支撑技术。
张晓和表示,企业要实现业务应用可管理、可优化,并且能够很好地进行端到端的监控,需要用到一些基线管理和一些数学模型。另外,越来越多的企业采用了基于AI的自动化运维,这些都需要人工智能与机器学习的能力。Riverbed可以收集应用系统运行的数据,利用机器学习等人工智能技术来优化数学模型,从而让企业更好地了解应用系统,方便对系统进行运维。
“企业要实现自动化运维,需要Riverbed这样能提供端到端性能数据的厂商来帮忙。同时,Riverbed自己的技术解决方案和产品也会集成一些机器学习和自动化的基线管理等方面的算法、模型,从而更好、更快、更智能地给客户提供一个比较全面的解决方案。” 张晓和说。
据悉,Riverbed的研发人员在致力于人工智能与机器学习等技术的应用。实际上,这些技术也已经给Riverbed的解决方案带来很大功能改进。比如,Riverbed在提高应用性能可视化方面就利用了大量的数据源,包括网络级数据包、流量和SNMP源、软件侧的服务器(应用代码)和客户端(终端用户体验)代理等,来测定应用性能,然后结合AI和ML技术,从而可以帮助企业更快、更有效地发现问题根源,进而快速解决终端用户可能会遇到的问题。”
采访中,袁志陵表示,2018年Riverbed收获不错的业绩。展望2019年,Riverbed将会在产品方面继续丰富,同时向更多行业和领域进行拓展。为此,在市场策略和渠道策略上做出调整,尤其是渠道政策。其中,渠道政策在2019年最大的变化是会把资源向能提供增值服务能力的合作伙伴倾斜。
“我们的大方向是,逐步让大的集成商或者有能力的代理商向服务供应商转型,依托它们较强的交付能力和交付体系,把我们的产品以服务的形式交付给我们的客户,让更多的客户从我们的技术中受益。”袁志陵表示。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。