如今基于云的开发不断增长以及对性能和可靠性的需求不断增加,在云中部署应用为开发团队和消费者带来了诸多好处,与过去的本地模型相比,开发团队可以利用云基础设施快速轻松地扩展应用,而无需花费大量资金。
因此,最终用户通过社交媒体、游戏和流媒体等应用的更低延迟和更高可用性获得更好的体验。
然而,这种转向由大型云提供商托管应用导致了对拥有大量集中数据中心区域的大型云厂商的依赖。按需提供资源的弹性,推动了工程师向现代计算模式的转变,但同时也带来了安全和性能方面的挑战。
应用性能和安全挑战
依赖大型的、集中的云架构带来的主要挑战之一,就是要确保应用的性能。当应用托管在中央数据中心时,这些应用通常是远离最终用户的,这可能会导致严重的延迟问题。
那些需要实时交互的应用特别容易受到延迟和性能问题的影响。在疫情期间,在线办公的员工依靠视频会议与同事远程联系。在需要实时技术发挥作用方面,物联网设备和人工智能处理是我们看到的一些蓬勃发展的例子。
此外,集中架构会影响可扩展性和创新。即使具有水平扩展能力的均衡式设计也只能在单一环境中进行扩展。更不用说,当发生区域性停电的时候,运营可能会立即中断,直到停电问题得到解决——而这甚至不涉及恢复的过程。
当然,网络弹性也是任何应用的首要考虑因素。集中式架构在同一环境中托管所有系统和应用,这降低了攻击者的渗透和对组织造成严重破坏的进入壁垒。集中式系统代表单一的攻击区域,如果它出现故障,整个运营就会瘫痪——这会给关键业务运营带来巨大的问题。
分布式云的前进之路
为了应对这些挑战,许多企业迫切需要一种替代方案,通常是采用分布式云环境的形式,其中应用托管在全球各地的多个服务器上,从而获得更好的性能并增强对网络攻击的抵御能力。
把应用分布在多个位置,这样组织就可以减少处理和分析集中式云中的数据,以及本地化那些不需要分布的数据所花费的时间。此外,分布式云环境还减少了攻击面和攻击者可以作为目标的数据量。
此外,不同地点的本地化云环境可以让企业更轻松地满足不同国家的数据主权和本地化要求。每个云环境都可以单独调整,以使数据更接近最终用户所在的地方。这是一个越来越令人担忧的问题,特别是对于那些必须遵守其开展业务的不同国家的不同法律和法规的跨国企业。
随着企业不断转向基于云的环境,精心管理应用所在的位置就变得越来越重要。不断发展变化的、新兴的云原则——混合云和多云、应用模块化以及云原生架构的标准化——可以充当支持分布式计算案例的构建块。
做出正确的选择并投资合适的技术,企业就可以优化他们的云环境,并确保应用获得最佳的性能和安全性。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。