至顶网软件与服务频道消息: 目前,微软和Pivotal正在合作让开发人员更容易地在Spring Boot框架上构建基于微服务的应用。
日前,微软和Pivotal宣布合作发布了Azure Spring Cloud新服务的预览,这是一项完全托管且生产就绪的Azure云服务,可用于构建可扩展的微服务,而无需担心IT基础设施支持问题。
Spring Boot是Pivotal Spring Framework的简化版本,用于构建基于Java的微服务,这些微服务是现代云原生应用的组成部分。
Azure Spring Cloud结合了为使用Spring Boot构建微服务完整运行时间所需的一切,从而最大限度减少开发人员在发布和运行应用上花费的精力,包括添加如服务注册表、客户端负载平衡和断路器之类功能所必需的基本工具和框架。
此外,它还结合了用于Kubernetes的资源控制器kpack,Kubernetes是一种流行的编排软件,可用于管理基于微服务的应用大型部署。而且该服务是与Azure Kubernetes服务本身完全集成的。
使用Azure Spring Cloud的最大优势在于,它简化了构建Kubernetes云原生应用相关的很多任务,同时也有其他好处,例如能够将应用与现有Azure服务集成,包括Azure Database for MySQL、Azure Cache for Redis和CosmosDB等等。
开发人员还可以利用Azure Monitor深入了解应用的运行状况和性能状态,并诊断出任何潜在的问题,此外Azure Monitor还提供最终用户实际使用应用相关的数据。
Constellation Research分析师Holger Mueller表示,微软希望吸引更多开发人员使用微软的Azure云基础设施,通过与Spring等主流平台的集成,微软也引起了在Pivotal生态系统中构建应用的企业的关注。
Mueller说:“这对微软来说是个明智之举,是很不错的集成选择,这将让开发者和测试环境都可以有效利用Kubernetes。”
对此,微软还补充表示,将在Azure West Europe、Azure East US、Azure West US 2和Azure Southeast Asia地区提供Azure Spring Cloud服务的预览版。
好文章,需要你的鼓励
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。
AI系统正变得越来越善于识别用户偏好和习惯,像贴心服务员一样定制回应以取悦、说服或保持用户注意力。然而这种看似无害的个性化调整正在悄然改变现实:每个人接收到的现实版本变得越来越独特化。这种认知漂移使人们逐渐偏离共同的知识基础,走向各自的现实世界。AI个性化不仅服务于我们的需求,更开始重塑这些需求,威胁社会凝聚力和稳定性。当真相本身开始适应观察者时,它变得脆弱且易变。
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。