Rohini Kasturi,SolarWinds 首席产品官兼执行副总裁
IT 专业人员每天都在不停地分析鉴别各种情况,才能勉强赶上不断增加的工作内容和越来越多需要掌握的不同工具。必须改变现状,否则健康、积极的 IT 们也会变得精疲力尽、体力不支,生产力降低,最终导致业务效率长期低下。
其中一个解决方法就是使用Observability,这是一种越来越被广泛采纳的功能,基于输出内容提供的信息来衡量 IT 系统的内部状态。Observability超越了传统的监测,减少了可能会阻碍 ITOps、DevOps 和安全团队操作的干扰。团队可以通过查看端到端服务交付和所有组件依赖关系,主动检测异常问题,以实现最佳 IT 性能和合规性,从而腾出时间专注于更具战略性的业务计划。
除此之外,Observability最大的优点是它的停机率可以几乎为零,若Observability系统由AI/ML模型支持以处理IT操作 (AIOps) ,系统就可以自动进行快速响应。
进一步全面了解Observability
Observability是传统监控在现代 IT 架构时代的发展方向。我们熟悉的监控会捕获和处理大量基础架构和应用遥测数据及通知,它们可以显示哪些组件处于运行状态,哪些处于关闭状态以及哪些发生了变化。但这种监控只关注特定的网络、云端或基础架构,以及跟踪离散的应用程序和基础架构元素,就好像只盯着布条而不是整块布,“只见树木,不见森林”。
现代系统是多云端和混合云系统,需要跨计算、应用和数据库领域进行连接。这些系统会产生大量遥测数据,传统的监控可能无法提供跨域关联、服务交付洞察、运营依赖性或预测性。简而言之,零碎的监控方式无法满足竞争激烈的数字化转型企业的需求。
Observability通过检查外部输出信息来检测系统的内部状态。它着眼于应用程序和系统,包括终端用户体验和服务器端指标和日志,同时采用由监控收集的信息并在此基础上进行构建。一个完备的Observability系统会使用 AI/ML 来快速识别路线修正,或为 IT 专业人员立即采取行动提供重要的洞察。
Observability的好处
IT 组织可以在复杂、多样、分散的混合和多种云环境中不断提高性能、可用性和数字体验。随着Observability使用范围的扩大,企业可期望在以下三个主要方面有所提升。
减少停机时间:有了Observability,服务是可预测的,停机时间会大大减少,因此可以将工作精力投入在其他方面。此外,团队可以在处理问题和异常检测方面变得更加主动,以实现最佳的 IT 性能、合规性和弹性。组织还可以通过内部云连接或软件即服务 (SaaS) 获得全面、集成且经济高效的功能。
减少猜测性操作:我们曾经采用的零碎的监控方式已经一去不复返了。相反,当端到端Observability内嵌机器学习 (ML) 和 AIOps 时,能利用大量收集到的数据来提供洞察、自动化分析和可操作性智能。团队就能宏观看待整个系统,并快速了解问题所在。
Observability加速问题解决:Observability提供了洞察、自动化分析和可操作性智能来快速解决问题,它还可以处理大量实时和历史指标、日志和跟踪数据。
系统运行得更好,客户和员工都从Observability中有所受益。同时,IT 专业人员只需更少的时间就能赶上进度,留出更多的精力改进流程并学习新任务。
我们无法承受系统停机的代价,因此需要Observability,IT 专业人员也必须获得喘息的机会去学习新技能。Observability可谓是当下必需的技术。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。