至顶网软件频道消息: 为了从云竞争对手那里抢夺先机,Google正在对其无服务器软件进行重构,使开发人员能够以更自动化的方式构建应用。
今天在美国旧金山举行的Cloud Next大会上,Google推出了一款面向开发者的新产品——Cloud Run,该产品让开发者们能够构建基于容器的应用,而无需担心底层基础设施。
无服务器计算是一种模型,在这种模型中,上层构建了应用的计算和存储基础设施是在后台运行的,因此开发者完全无需对其进行管理。反过来,软件容器是一种流行的开发环境,可以让应用一次构建即可运行在任何计算平台上。
Google工程副总裁Eren Manor和产品管理总监Oren Teich在今天的一篇博客文章中解释说,对开发者来说,让这两种技术协同配合是一个巨大的挑战。由于运行时支持是有限的,因此开发者经常不得不在无服务器基础设施提供的易用性、以及容器提供的灵活性和可移植性之间做出选择。
Google表示,只是易用性还不够,因此Google的新产品让开发者第一次可以在无服务器基础设施上运行无状态HTTP容器,两全其美。Teich在新闻发布会上表示,简单来说,就是需要一个容器,并为其提供易于访问的URL或网址。
Teich说:“你只需给我们容器,我们就可以处理好其他所有事,而且一切都是自动处理的。”
目前Cloud Run还处于测试阶段,Google将其作为一项单独的服务,或者与Google Kubernetes Engine(一种管理环境,用于部署、管理和扩展Googlke基础设施上的容器应用)进行集成。
在GKE上运行Cloud Run能带来一些好处,其中最重要的好处就是在现有Kubernetes集群上运行无服务器工作负载,而无需对其进行管理。
Wikibon分析师James Kobielus表示:“Google的最新公告是将无服务器置于了云原生应用开放式编程框架的最前沿。”
Kobielus说,这么做有几大优势,首先,Google对Knative的支持,使无服务器特性可以轻松移植到任何Kubernetes集群中,极大地扩展了新一代以事件为驱动的、无状态的、容器化微服务的运行时覆盖范围。
此外,新的语言运行时可以让开发者们更容易开发出更强大的无服务器应用,并且通过Cloud Run更有效地在云中运行这些应用。最后,进一步扩展了在混合云中对无服务器应用的保护,因为Google提供的一个新连接器让开发者们可以从现有虚拟私有云中安全地提取数据到Google Cloud Platform中。
“高官们希望看到他们的下一代应用有机会利用现有的GKE集群,提高利用率,更重要的是,它在容器和无服务器应用负载之间是共存的,”Constellation Research首席分析师、副总裁Holger Mueller这样表示。
Google特别提到说,给开发者带来的好处并不仅限于在Google云上运行无服务器工作负载。由于Cloud Run是基于Knative API和运行时环境的,因此也可以将工作负载迁移到其他基础设施上,包括本地环境和其他公有云和私有云。
“有了Knative,你很容易从Cloud Run起步,然后迁移到GKE上的Cloud Run,你也可以在自己的Kubernetes集群中使用Knative,未来再迁移到Cloud Run,” Manor和Teich这样写道。
Cloud Functions
当然,无服务器应用如果无法连接到其他云服务,那么用处就大打折扣了。这也是Google开发Cloud Functions无服务器平台的目的,该平台可用于编写响应事件的代码,让开发者们能够将他们的应用连接到Google BigQuery、PubSub和Firebase等服务。
Google正在增强Cloud Functions的功能,增加了对Node.js 8、Python 3.7、Go 1.11、Node.js 10、Java 8和Go 1.12等新语言运行时的支持。此外还有一个针对Node.js 10的新Functions Framework,让开发者能够“编写一个功能,在本地运行,构建一个容器映像,使其能够运行在任何基于容器的环境中”,Manor和Teich这样表示。
其他更新还包括Serverless VPC访问,允许各项功能与受网络边界保护的资源进行通信,以及对旨在防止自动伸缩功能导致后端服务器崩溃的控件进行扩展。
谷歌表示,通过Cloud Functions与Cloud Run相结合,可以打造利用数据库、存储、通信、数据分析、机器学习和智能助理等服务的应用。
App Engine
最后,Google还将为App Engine服务添加新的运行时。App Engine是Google最初的一个无服务器应用开发平台。
App Engine现在支持Node.js 10、Go 1.11、PHP 7.2、Ruby 2.5和Java 11等新的运行时。前三个目前已经全面提供,后两个已经在测试版中提供。
Google表示:“这些运行时提供了开发者熟悉的体验、更快的部署,消除了此前API的各种限制,同时还支持原生模块。”
好文章,需要你的鼓励
OpenAI研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。