至顶网软件频道消息: 6月25日,在上海召开的KubeCon 2019大会上,腾讯云重磅发布多款适用于企业不同场景的云原生技术产品,包括企业级容器服务平台TKE、容器服务网格、Serverless 2.0、一站式DevOps四大产品。这四款云原生技术产品的发布将助力国内数百万企业“上云”进程进一步提速,云原生时代将正式开启。
腾讯云副总裁 刘颖
作为一种新型的理念,云原生被认为是企业“云化”战略的基石。相对于IT基础设施的“上云”,腾讯云云原生技术产品基于最新的容器、微服务、无服务器技术,帮助企业从开发、部署、运维等软件全生命周期构建原生云端应用,从而全面发挥云计算的弹性伸缩和按需使用的优势,帮助企业快速构建适应互联网模式的新一代业务架构。
作为本次KubeCon大会的双钻赞助商,腾讯云很早就布局云原生领域,目前已经拥有国内云厂商中最大容器集群,本次发布的四款新品能够为企业用户提供从原有架构向云原生应用迁移的最佳工具和数据运营的有效模型。
腾讯云最新推出的企业级容器云平台TKE(Tencent Kubernetes Engine )基于成熟的Kubernetes技术和生态,能够帮助企业快速构建自身的私有化容器管理平台。TKE企业版在架构设计过程中作了针对性优化,通过采用与腾讯公有云容器服务一致的架构和管理模式,可以帮助企业在私有化管理容器服务的同时,便捷地打通云上的容器服务并获得一致的管理体验,实现混合云部署。
另外,TKE企业版还充分利用了腾讯内部微信、QQ、游戏等重量级业务在容器使用方面的经验,例如GPU虚拟化用于解决GPU共享问题;TAPP应用管理用于让服务管理更加精细化、发布过程更加可控;在离线混部技术提升资源利用率降低成本等。
企业级容器云平台TKE解决了资源调度、应用快速部署和上线等问题,但容器化后的应用治理和运维对用户仍有不小的挑战。为进一步帮助用户使用好容器、挖掘容器的最大价值,腾讯云在 Kubercon大会发布了服务网格产品TKE Mesh并开始接受内测申请,该产品整合了TKE及腾讯云上负载均衡、云监控等能力,为用户提供了开箱即用的云原生服务网络管控平台。
容器服务网格TKE Mesh架构图
腾讯云容器服务网格的最大优势是具备对业务开发透明、通用无侵入的服务连接治理与多层级全链路观测能力。服务网格让用户对访问请求进行灵活控制、对调用链路进行全局展示,对服务质量进行全面监测。非侵入性的服务连接方式将微服务化的门槛降到最低,让开发者更专注于业务价值的实现;TKE Mesh提供的服务可观测性,可实现故障的快速定位及恢复,让运维人员更有信心支撑业务的高速发展。
TKE Mesh实现了服务网格的开箱即用、全面管控等目标。在提供了网格创建、控制面组件升级与伸缩等能力的基础上,覆盖了服务从创建,更新到销毁等生命周期所需要的全套服务治理能力。
作为继虚拟机、容器后的第三代通用计算平台,无服务器架构是腾讯云原生的重点发力领域。腾讯云 serverless2.0 在已有的事件触发函数的基础之上,根据实际的用户使用场景,进一步提供了面向 http 场景的 http function 和 http service,提供了高层次的通用开发框架,不仅更好的支持开发者面向 web service 的开发诉求,也可以支持已有业务代码向 serverless 架构的无缝迁移。
下一代无服务器计算平台:Severless 2.0
在技术上,通用统一的底层架构通过采用轻量级虚拟化技术、VPC proxy转发方案等多种优化手段,以及针对实时自动扩缩容核心的能力优化,彻底规避了传统无服务器架构中饱受诟病的冷启动问题。
除此之外,Severless2.0还关注开发者从本地开发、代码调试、到业务的持续集成、上线运维等整个软件开发生命周期。围绕着 serverless 产品,腾讯云构建了全面的开发支持、DevOps、运维监控等能力,协助开发者可以更好的向 serverless 架构迁移,全方位为开发者提供最极致的开发、产品以及技术体验。
除了关注部署的便捷性之外,腾讯云也一直致力于解决开发效率的问题。在大会现场,腾讯云正式宣布一站式开发运维CODING 2.0即将正式上线,这也是继腾讯云和CODING团队合作的阶段性成果。
一站式 DevOps 平台研发流程图
CODING 2.0 涵盖了软件开发从构想到交付的一切所需,包含项目管理、代码版本管理、持续集成、制品库管理等工具,协助软件研发团队实践敏捷开发与运维,提升软件交付质量与速度。另外,还支持轻量级的持续部署,当个人开发者进行 HTML 小游戏的开发时,仅需更新代码游戏即刻上线,无需担心部署及运维。
腾讯云副总裁刘颖表示:“腾讯云重磅发布的云原生技术产品已经在众多互联网业务、传统业务及政企业务等多种场景下得到有效验证,成熟稳定的技术基础和丰富的工具包不仅可以帮助企业快速从传统架构迁移到云原生架构,还可以助力企业从零开始快速构建“为云而生”的应用,大幅提升企业的数字化进程。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。