Dynatrace 荣获《Gartner 应用性能监测关键能力》报告五个使用场景中的四个最高分
报告详细介绍了在当今多重云环境的各种使用场景中实现应用性能监测和可观测能力所需的基础能力
2021 年 4 月 15 日讯——软件智能公司 Dynatrace(纽交所代码:DT)日前宣布,据 2021 年 4 月《Gartner 应用性能监测(APM)关键能力》的报告所述,其软件智能平台在五个使用场景中摘得了其中四项最高分。Gartner 依照五个使用场景对十五家厂商的解决方案进行了评测。Dynatrace 获得了开发运维/应用开发、网站安全工程/云运维、IT 运维以及数字化体验监测使用场景的最高分,并且在应用所有者/业务部门使用场景中位居第二。扫描下方二维码可获取《Gartner 应用性能监测(APM)关键能力》报告。
“我们非常荣幸再次获得 Gartner 的认可,十分感谢我们的客户、合作伙伴以及 Dynatrace 研发团队助力我们不断前行。业务开发安全运维团队需要这些关键能力来打造当今多重云环境中的可观测能力,驾驭云复杂性,一如既往地以出色的表现服务于其业务和客户。” Dynatrace 产品管理高级副总裁 Steve Tack 表示,“为这些团队提供自动化、可适应各种规模、近乎零开销的解决方案是一个巨大挑战。他们所需要的并不是只会采集数据的解决方案,而是一个融合人工智能运维引擎、持续自动化以及最广泛的可观测能力数据于一身的平台,其中包括各种指标、跟踪信息、日志以及来自用户体验和最新开源标准的数据。我们认为,Dynatrace 在五个使用场景中获得其中四个最高分,这既体现了我们以自动化、智能化为核心的一体化可观测能力平台的实力,也反映了Dynatrace在赋能众多全球大型组织实现其数字化转型目标方面所取得的卓越成就。”
此项研究是对《2021 年Gartner 应用性能监测魔力象限》报告的补充,在该报告中 Dynatrace 连续第 11 次蝉联“领导者”,并且在 “前瞻性”和“执行能力”评测指标名列前茅。
欲了解为何Dynatrace再次在“前瞻性”和“执行能力”评测指标中名列前茅
请点击下方链接或者扫描二维码,下载并阅读最新报告
https://www.dynatrace.cn/gartner-magic-quadrant-for-application-performance-monitoring/
关于 Dynatrace
Dynatrace 的软件智能可以让云计算化繁为简、加快企业数字化转型。依托各种规模的自动化和智能化可观测能力,Dynatrace 一体化平台可提供有关应用的性能与安全、底层基础设施以及所有用户体验的精准解答,让组织能够在加快创新、高效协作、实现更多价值的同时大幅减少工作量。Dynatrace® 因此深受众多全球顶尖企业的信赖,并帮助这些企业实现云运营的现代化和自动化、又快又好地推出软件、提供无与伦比的数字化体验。
如需获取更多信息,请访问:https://www.dynatrace.cn/, 或关注Dynatrace 官方微信公众号:Dynatrace。
Gartner 免责声明
Gartner,《应用性能监测魔力象限》,作者 Federico De Silva、Padraig Byrne 及 Josh Chessman,2021 年 4 月 9 日。在 2015 年以前的报告中,Dynatrace 以 Compuware 的名称出现。2014 年 12 月 Compuware 实行私有化后,Dynatrace 脱离 Compuware。
Gartner,《应用性能监测关键能力》,作者 Padraig Byrne、Federico De Silva 及 Josh Chessman,2021 年 4 月 14 日。
Gartner Peer Insights 客户选择奖是综合了各个终端用户的评论、评分,以及依据所述方法论获取的数据而做出的主观判断;该奖项不代表 Gartner 或其子公司的观点,Gartner 或其子公司也不保证相关信息的准确性。
Gartner 不保证在其调查出版物中描述的任何厂商、产品或服务,也不建议技术用户只选择得分最高或者获得其他称号的厂商。Gartner 的调查出版物根据 Gartner 的调查机构的意见而形成,并不构成对事实的陈述。Gartner 对该调查概不承担任何明示或暗示的担保,其中包括任何针对特定目的的适销性或适用性的保证。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。