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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。