AWS今天宣布在GitHub上提供SaaS Boost,这也是AWS为简化客户软件项目而发布的一系列开源工具中的最新一项。
SaaS应用的用途和设计差异很大,但通常都基于相同的基本构建块进行构建。一个应用需要一个系统,用于加载用户、集成支付处理服务以向客户收费、监控各项机制以检测技术故障。SaaS Boost以预打包模块的形式提供这些组件,再加上其他组件,让企业无需从零开始构建所有组件。
SaaS Boost的模块主要实施形式是软件容器,利用AWS Lambda无服务器计算服务来运行其中的很多服务。
这些模块中相当大一部分专用于用户加载,在企业SaaS应用中,这通常涉及的不仅仅是为客户注册时生成帐户。应用通常还需要分配其他基础设施来支持新用户。SaaS Boost具有可立即使用的代码,这样SaaS服务就可以使用这些代码为每个新用户设置一个带有虚拟专用网络的AWS基础设施环境。
AWS的工程师还添加了一些扩展选项让企业可以自定义配置工作流程。例如,企业可以配置SaaS Boost以为每个用户提供除计算资源和虚拟专用网络之外的数据库实例。
另一个SaaS Boost模块提供了将客户帐户连接到支付系统的功能,以便可以对他们进行计费。基础设施资源分配给每个客户,然后通过第三个管理控制台模块进行管理。IT团队可以使用这个控制台来控制各项设置,例如分配给部署的实例大小。
SaaS Boost涵盖的另外两个场景是升级和监控。AWS提供给的一个工具可以让开发人员将应用升级项打包到容器中,使其更易于推送部署。为了帮助企业监控应用的运行状况,SaaS Boost还可以收集有关服务的基础设施利用率和访问模式相关数据。
该工具包中的很多模块都是运行在AWS Lambda服务上的。根据SaaS Boost文档显示,这是因为用于加载用户等任务的代码只会偶尔被激活(例如当新客户注册时才会激活),而Lambda的定价模型可降低此类零星工作流程的成本,该服务是按照代码激活和每次运行的持续时间进行计费的,这要比租用一个按照配置(而不是使用情况)每秒计费的云实例更具成本效益。
AWS高管Adrian De Luca在博客中写道,SaaS Boost已经引起了数百位开发人员的兴趣。未来,AWS希望围绕该项目构建一个开源贡献者社区,此外还计划邀请外部维护者帮助确定项目功能路线图的方向。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。