基于云的开发持续增长,因此对性能和可靠性的要求也在不断提高,推动应用程序更接近最终用户对于提高性能和安全性已变得越来越重要。
在云中部署应用程序可以为工程团队和消费者带来许多的好处。工程团队可以利用云基础设施快速、轻松地扩展应用程序,而不用像过去的本地部署那样花费大量资金。
因此,终端用户在使用社交媒体、游戏和流媒体时的延迟更低,应用程序的可用性更高,用户可以获得更好的体验。
然而,向大型云计算提供商托管应用程序的转变导致了对大型云计算供应商的依赖。大型供应商拥有庞大、集中的数据中心区域。这些区域的按需提供的弹性资源可以帮助工程师们进入现代计算范式,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、中心式云架构的主要挑战之一在于确保应用程序的性能。托管在中央数据中心应用程序往往远离终端用户,这可能会导致严重的延迟问题。
一些需要实时交互的应用程序尤其会受到延迟和性能问题的影响。在新冠大流行期间,虚拟打工人主要依靠视频会议与同事进行远程连接。我们可以看到一些需要实时技术才能运行的其他蓬勃发展的例子,包括物联网(IoT)设备和人工智能处理。
此外,中心式架构会对可扩展性和创新产生影响。即使是具有横向扩展能力的均衡设计也只能在单一环境中进行扩展。更不用说在发生区域性故障时,如果没有其他选择的话,运营在故障解决之前就可能会被停顿,而且还要算上恢复过程所需的时间。
当然,网络抗压能力是任何应用程序都要考虑的首要问题。中心式架构将所有系统和应用程序托管在同一环境中,从而降低了攻击者渗透和破坏组织的门槛。中心式系统形成了一个单一的攻击面。如果系统崩溃,整个运营也会崩溃,这对于关键业务运营来说是一个巨大的问题。
分布式云计算的发展之路
为了应对这些挑战,许多企业都在寻求一种替代方案,通常会采用分布式云环境的形式,将应用程序托管在世界各地的多个服务器上,从而提高性能及增强抵御网络攻击的能力。
而且,将应用程序分布在多个地点后,企业可以减少处理和分析往返于中心式云端数据的时间,并将无需分布的数据本地化。分布式云环境还可减少攻击面和攻击者可攻击的数据。
此外,企业使用不同地点的本地化云环境可以更轻松地满足不同国家的数据主权和本地化要求。每个云环境都可以进行单独调整,可以使数据更接近最终用户的所在地。这是一个日益受到关注的问题,尤其是对于那些必须遵守不同国家不同法律法规的跨国公司而言。
企业在不断向基于云的环境转变,精心管理应用程序的位置变得越来越重要。不断发展和新兴起的云计算原则(例如混合云和多云、应用模块化和云原生架构标准化等等)可以成为支持分布式计算的基石。
企业可以通过正确的选择和在正确的技术方面投资优化自己的基于云的环境,并确保其应用程序的最佳性能和安全性。
好文章,需要你的鼓励
亚马逊云服务宣布雷尼尔项目正式投入运营,该AI超级集群配备近50万块Trainium2芯片,分布在多个数据中心。AWS称这是全球最大的AI计算集群之一,从宣布到全面运营仅用不到一年时间。合作伙伴Anthropic计划年底前扩展到超过100万块芯片。该项目与OpenAI星门计划展开激烈竞争,AWS凭借自主硬件开发优势能够控制从芯片到数据中心的完整技术栈。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
谷歌开始推出Fitbit应用的重大更新,采用全新设计并集成由Gemini AI驱动的个人教练功能。该更新于10月28日首先面向美国地区的Fitbit Premium用户开放,后续将逐步扩大覆盖范围。新版本围绕今日、健身、睡眠和健康四个主要标签重新设计,强调周趋势数据分析。AI教练功能可根据用户的实时和历史数据提供个性化建议和训练计划,支持语音或文字交互。用户可选择是否使用AI功能,预览期间可在新旧界面间切换。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。