至顶网软件频道消息: 甲骨文公司的目标是令开发人员可以更容易地将基于Kubernetes构建的容器化应用程序与其云服务连进行接。
甲骨文推出新的云基础设施代理(Cloud Infrastructure Broker)是一个重要举措,因为时下Kubernetes已经成了管理基于容器应用程序的流行软件,基于容器的应用程序可以只需构建一次就可以在任何计算平台上运行。 甲骨文有必要大力支持Kubernetes,因此宣布面向普通用户推出新的Kubernetes版甲骨文云基础架构服务代理。
推出甲骨文云基础架构服务代理的消息是在巴塞罗那举行的KubeCon CloudNativeCon Europe 2019活动上宣布的,该甲骨文云基础架构服务代理是Open Service Broker应用程序编程接口的实现,Open Service Broker应用程序编程接口也是一个开源项目,旨在将云服务接入应用程序及其部署工具。甲骨文云基础架构服务代理专用于甲骨文云基础架构服务,甲骨文云基础架构服务是甲骨文自治数据库(Autonomous Database)的产品套件,托管在甲骨文云数据中心上。
开发人员现在借助甲骨文云基础架构服务代理就可以通过API从Kubernetes内部连接到原生甲骨文基础架构服务。甲骨文公司表示,能这样做是甚为重要,因为可以节省开发人员的大量时间。原因是Kubernetes将每个应用程序基础架构的部署、配置和管理进行了自动化,因此可以快速轻松地连接到自主数据仓库和自动事务处理(Autonomous Data Warehouse and Automated Transaction Processing.)等服务。
甲骨文开发人员服务高级首席产品经理David Cabelus表示,“随着DevOps和Kubernetes的更多采用,开发人员希望简化自动部署策略,包括配置和绑定应用程序或微服务所依赖的任何云服务。例如,如果应用程序依赖于运行应用程序的对象存储,那么配置存储桶就应该是应用程序部署过程的一部分。”
甲骨文表示,甲骨文云基础架构服务代理也有助于实现应用程序的可移植性,即是说在不同的云平台上迁移应用程序更容易些,用户因而可以在甲骨文和其他云提供商之间或本地之间迁移应用程序。
Cabelus表示,“应用程序部署过程里一致模型和嵌入云服务供应的结合意味着,在新的云环境中部署应用程序时系统已经拥有了运行所需的一切。”
甲骨文云基础架构服务代理目前可为旗下的自主事务处理(Autonomous Transaction Processing)、自主数据仓库(Autonomous Data Warehouse)、对象存储和流媒体(Object Storage and Streaming)等服务提供适配器,未来还将为更多服务提供支持。 甲骨文表示,甲骨文云基础架构服务代理可通过GitHub作为Docker容器或Helm图表使用。
其他来自KubeCon大会的新闻:甲骨文还宣布在旗下云基础架构上支持甲骨文Java SE和GraalVM Enterprise Edition。
甲骨文Java SE是甲骨文公司的软件开发工具包,适用于用Java编程语言编写应用程序的开发人员。甲骨文Java SE提供了一系列相关功能,例如允许这些开发人员为任何云平台或操作系统构建应用程序,且无需额外费用即可添加。而GraalVM Enterprise则将“高性能多语言编译器、运行时(Runtime)、SDK和虚拟机”整在一起,可用于编写和运行用JavaScript、Python、Ruby、R、基于JVM及基于LLVM等语言编写的应用程序,基于JVM的编程语言包括Java、Scala、Clojure、Kotlin和,基于LLVM的编程语言包括C和C++。
甲骨文Java SE和GraalVM Enterprise Edition两个SDK现在都可以通过甲骨文Cloud Developer Image从甲骨文Cloud Marketplace下载。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。