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
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。