ZD至顶网软件频道消息: 谷歌承认自己的云出问题了。而且是“再一次”。
最近的发生混乱发生于6月28日,us-central1-a 中的Google Compute Engine SSD Persistent Disks“在一个区域内经历了高层写入延迟和错误,这种情况持续了211分钟。”这场混乱意味着磁盘可能停止接受写入,而将SSD作为根分区的实例有可能会挂起。
虽然,谷歌云平台除了故障,但是谷歌对故障的披露方面还算令人信服。对于此次问题,谷歌表示:“两个并发的日常维护事件触发了Persistent Disk底层的分布式存储系统中的数据再平衡。”
不过用户不用担心这种“再平衡”,因为“这种再平衡旨在让维护时间对用户不可见,通过在不可用的存储设备和机器上平均地重新分布数据来实现。”
这正是云平台应该做到的:很多部件都在后台运行,对你来说是不可见的,它们维持着服务器的正常运转。
但是这一次,“一个以前没有发现的软件bug,由两个并发的维护事件触发,意味着因为再平衡变得不可用的磁盘块没有释放供随后再度使用,消耗了这个区域中的可用SSD空间,直到写操作被拒绝才被发现。”
一旦磁盘认为它们已经用光了所有的空间,就没有更聪明的机制在后台纠正这一错误了,以至于谷歌花了211分钟才找到问题并且解决问题。
和往常一样,谷歌承诺未来会做得更好,并且表示其“工程师正在改进自动监控,这样如果问题再次出现,工程师将会在用户受到影响之前就得到预警。我们还改进了我们的自动化,以更好地协调同一区域内不同的维护操作,减少必要情况下还原此类操作所需要的时间。”
正如我们在之前提到的,谷歌在面临故障及其产生原因的时候,比其竞争对手更加坦率。但是这家公司似乎也有更多的故障需要披露:《The Register》监测了三大云平台的故障通告,谷歌发布的问题数量比AWS和微软都要多,而这两家公司的云平台规模更大,产品也更多。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。