在传统的应用架构中,企业怕是难以应对数据规模激增带来的技术挑战,这时,容器技术为企业提供了全新的思路。凭借弹性伸缩、快速部署等优势,容器为应用程序的开发及部署带来了前所未有的灵活性,并借此在多云之间、云与本地系统之间,乃至不同本地系统之间应用程序工作负载的往来迁移等场景下,得到广泛应用,并成为最受瞩目的云计算领域的趋势之一。
但是,有效构建起复杂的容器化环境仍然需要大量的技巧及经验。容器即服务(CaaS)也由此应运而生,作为平台即服务的一种变体,这个概念正在被广泛使用,以加速容器的采用。不过,CaaS是厂商们「略带忽悠 」的另一个「即服务 」术语?还是有确实「有点东西 」?
数据表明,CaaS并非浪得虚名。
根据Flexera发布的《2020年云计算现状报告》来看,在此次面向750位IT高管的调查中,大部分云采用者(53%)也在同时使用CaaS;而随着容器在企业发展中所占比重的提升,CaaS保持着良好的上升趋势与运营走向。值得注意的是,CaaS已经成为云驱动型企业当中得到广泛使用的第二大「平台即服务 」,远高于去年调查中的第六位,仅次于占比62%的「数据库即服务 」。调查报告的作者表示,“如今,越来越多的企业利用容器加快部署、扩展运营,并提高云环境下工作负载运行效率等等,他们对容器技术的关注度不断增长,目前来看,这一趋势保持着旺盛的推进势头。”从增长速度来看,CaaS以同比17%的增幅排名第二,仅次于物联网服务(21%)。另一大快速增长的类别则是机器学习与人工智能,其同比增幅同样为17%。
总体而言,这项调查在2020年第一季度进行,发现公有云与混合云解决方案的采用率不断上升,其中AWS、微软Azure以及Google Cloud各自占据重要的市场份额。
除了基础云产品之外,不少企业还开始从公有云服务商手中筛选CaaS产品,来增强并加快应用程序交付能力。AWS的Elastic Container Service 与 Elastic Kubernetes Service (ECS/EKS)最受欢迎,使用率高达54%,远高于去年Flexera云报告中的44%。另有24%的人已经有计划采用ECS/EKS。Azure容器服务的采用率达到46%(去年为28%);而Google Kubernetes Engine(GKE)的占比也由15%增长至24%。
来自Scalyr公司的Eric Olsson表示,CaaS确实带来了一系列重要的收益,能够在部署的速度及控制之间求得良好平衡。“敏捷方法缩短了开发与测试的时间,而云计算则缩短了部署周期。持续集成(CI)与持续交付(CD)进一步加快了交付速度。除此之外,容器还可以提供功能更强大、更灵活的解决方案。当然,伴随着所有这些因素,容器也带来了额外的配置要求与复杂性。”
目前,缺乏专业知识仍是使用容器技术的最大挑战,有41%的受访者将其列为头号难题。另有38%的受访者认为将传统应用程序迁移至容器才是最大挑战;34%的受访者表示安全性才最让人头痛。此外,超过四分之一的企业甚至发现就连服务供应商,也存在容器技术缺失问题。调查报告的作者们提到,“资源方面的挑战可能源自容器技术的不断迭代与快速普及。将传统应用程序迁移至容器同样相当困难,因为容器针对微服务架构进行了优化,但传统应用程序并非如此。”Flexera调查的作者们指出,CaaS采用率的提升,可能有助于应对这一系列挑战。
调查结果还显示,Docker与Kubernetes的受众仍然相当可观。近三分之二(65%)的组织使用Docker,另有14%的组织有计划在短期内使用。58%的受访者正在使用Kubernetes,另有22%正计划使用。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。