信息技术监控和分析厂商Splunk今天宣布计划收购Flowmill,这家位于美国加州帕洛阿尔托的初创公司,提供的软件平台可以帮助企业更好地了解其网络。
这次收购预计将在2021年1月31日完成,交易条款未对外公布。
在大型云和本地环境中,排除网络故障往往是一件很棘手的事情,因为很难将数据流量与生成流量的系统相匹配。Flowmill的监控平台让流量来源查找变得更为容易一些,帮助IT团队更快地解决问题。
该平台在后台采用给了一种名为eBPF的Linux内核组件,将数据包与系统和应用进行匹配(Linux是目前企业IT环境中使用最广泛的操作系统)。反过来,该平台的eBPF组件可以将代码直接部署到操作系统内核中,收集有关上层应用的低层级活动数据,并通过这些低数据确定是哪些特定工作负载导致了网络故障的发生。
加速故障排除的技术能力并非Splunk收购Flowmill的唯一原因。Flowmill让企业可以部署Flowmill平台而无需修改他们想要监控的应用或网络,从而避免了传统工具各种耗时的要求。而且Flowmill表示,其平台可以用于降低公有云的网络成本,因为它可以更容易识别那些占用大量带宽的应用。
Splunk计划把Flowmill的技术整合到自己的Observability Suite产品包中,用于监控基础设施和应用。这次收购将帮助Splunk向其功能集中增加基于eBPF的监控功能,而这正是眼下竞争对手和风投方越来越关注的一个领域。就在上个月,一家名为Pixie Labs的初创公司走出隐身模式,凭借一个基于eBPF的Kubernetes环境监控平台获得了915万美元的资金。
此次收购Flowmill只是Splunk最近一系列初创企业战略性收购中的最新一笔。上个月,Splunk收购了应用监控公司Plumbr和网站性能优化专业公司Rigor,将自身技术能力扩展到这两家初创公司所在的领域。
好文章,需要你的鼓励
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。