本周,谷歌发布了Spinnaker for GCP,一个旨在帮助开发人员简化构建云应用的全新解决方案。
Spinnaker是由Netflix和谷歌共同维护的开源开发工具包,它是一个能够让软件团队为其项目创建进行持续交付的工作流程。
持续交付的方法是指程序员每天多次将项目代码添加到项目中,而不是将这些代码捆绑成庞大的、不频繁的更新,这种方法的好处是更新规模较小且更容易调试,并且与现有代码集成的工作量较少。
Spinnaker可以避免设置持续交付环境所涉及的很多手动步骤,实现日常操作的自动化,这是一项神奇但有些复杂的技术。目前,谷歌系统正在通过Spinnaker for GCP解决方案降低部署这一工具包的门槛。
Spinnaker for GCP是Spinnaker的预配置版本,经过定制可以运行在谷歌云平台上。据谷歌称,Spinnaker for GCP是构建在最近升级的Kubernetes引擎之上的,开发人员只需点击几下鼠标即可设置持续交付环境。
Spinnaker for GCP包含了与其他谷歌云服务的广泛集成。企业用户可以使用谷歌的监控工具Stackdriver来确保Spinnaker部署的顺利运行。此外,Spiteaker for GCP还可以与谷歌云的软件漏洞扫描程序配合使用,并且,通过一种称为二进制授权的功能,该系统还可以在部署之前验证代码版本的真实性。
基于云的Spinnaker可能具有广泛的吸引力。上游开源版本本身就是一套流行的解决方案,目前,包括三星、思科和Box等在内的许多公司的数百个软件团队都在使用它。
Spinnaker for GCP只是谷歌推出的专注于简化企业开发工作流程的最新产品之一。今年4月,谷歌推出了一套插件用以简化将代码从程序员工作站转移到云平台的任务。Cloud Code还提供了将应用与谷歌Maps等服务集成的功能。
好文章,需要你的鼓励
皮尤研究中心最新分析显示,谷歌搜索结果页面的AI概述功能显著降低了用户对其他网站的点击率。研究发现,没有AI回答的搜索点击率为15%,而有AI概述的搜索点击率降至8%。目前约五分之一的搜索会显示AI概述,问题类搜索中60%会触发AI回答。尽管谷歌声称AI概述不会影响网站流量,但数据表明用户看到AI生成的信息后更容易结束浏览,这可能导致错误信息的传播。
约翰霍普金斯大学研究团队开发了ETTIN模型套件,首次实现了编码器和解码器模型的公平比较。研究发现编码器擅长理解任务,解码器擅长生成任务,跨界训练效果有限。该研究为AI模型选择提供了科学依据,所有资料已开源供学术界使用。
GlobalData研究显示,人工智能驱动的预测性维护正成为电力行业追求高可靠性和成本效益的关键组成部分。该技术结合数据分析、机器学习和实时监控,能够更准确预测设备未来状况,有望降低维护成本30%,提高设备可用性20%。GE Vernova、西门子等公司提供先进解决方案,而数字孪生技术、物联网和边缘计算等新兴技术正进一步提升维护策略的准确性和效率。
博洛尼亚大学团队开发出情感增强的AI系统,通过结合情感分析和文本分类技术,显著提升了新闻文章中主观性表达的识别准确率。该研究覆盖五种语言,在多项国际评测中取得优异成绩,为打击虚假信息和提升媒体素养提供了新工具。