ZD至顶网软件频道消息:ESB是SOA架构中最重要的组成要素,也是有志于SOA市场的厂商必须重点发力的产品。随着云时代的到来,ESB技术也在不断演进。神州数码融信软件有限公司(神州信息旗下企业)就提出了云中的ESB和分布式ESB。
其实,说到神州数码融信软件有限公司,其在SOA领域颇有影响。比如,在银行企业服务总线ESB建设领域,神州数码融信软件有限公司已连续四年市场占有率排名第一(来源IDC数据),其自主研发的Sm@rtESB产品自2007年上市以来,至今已拥有40多个成功案例,包括浦发银行、平安银行、华夏银行、中信银行、北京银行、宁波银行和南京银行等在内的股份制银行及上市城商行均采用了该产品。今年年初,神州数码融信将传统集中式的ESB送上了云端,诞生了分布式ESB产品,命名为云上企业服务总线Sm@rtESC,并且已有了第一个客户案例。
为何有了ESB,神州数码融信还新研发ESC,这与其对SOA架构的深入理解与发展密不可分。神州数码融信首席SOA专家唐智峰认为:评估新的IT应用架构应该考虑如下几个维度:第一,新的架构思想和模型能否带来整体IT生产力的大幅提升。不能帮助IT系统大幅提升生产力的新技术架构也不能给银行带来太多的业务价值。第二,新IT架构的设计思想和设计理念,能否融入到整体IT价值链条中,为银行的业务战略服务。第三,对于新引入的IT架构,系统的整体建设能否围绕着所引入的这个IT架构和IT思想进行相应的分工和协作,包括各个业务部门及IT部门等在内的企业内外部各单元间的分工合作。
并且,在引入新架构的同时,银行内部需要明确定义出一套指引整个银行IT系统建设的方法论、流程以及IT治理办法。只有这些方法论、流程和治理办法在银行内部得到各个部门的高度认同并形成共识,所确定下来的IT架构思想才能得到有效贯彻。
根据银监会十三五规划的指引思想,商业银行未来五年的架构升级转型方向明确,银行的SOA架构将围绕“向云计算转型”、“分布式去中心化的部署架构”、“互联网+”以及“集装箱式的微服务架构”几大方向发展。
一直以来,神州数码融信与时俱进地发展SOA架构,认为在SOA架构下,系统由一群组服务组成,每一个专业系统提供着专业化的产品和服务能力,同时通过调用其他服务能力,实现完整的业务价值。这种架构体系需要一个基础的支撑平台,支撑所定义好的服务的调度和使用。目前,SOA基础支撑平台呈现出两种主要的演进模式,一种是集中式的实体总线,即“ESB企业服务总线”,另一种是现在开始很多新兴的银行,或者说更加互联网化的线上银行探索建设的分布式虚拟总线,即“ESC企业服务云”。神州数码融信的ESC产品也应运而生。
在唐智峰看来,ESB和ESC各有适应的场景:ESB对于存量系统比较多、历史沿革比较长的银行非常适用,因为大量的存量系统是宝贵的IT资产,SOA架构更多的强调存量资产的重构和保护,继续使用、继续拉长系统的生命周期。在存在较多存量系统的IT体系之下,非常适用集中式的实体总线。通过构建一个逻辑上统一的总线系统来解决所有系统间的服务定义、发布、调用、管控等问题。同时,通过服务治理,建立起全局统一的技术规范和服务规范体系。
对于没有太多的存量系统,系统以新建为主,并明确建立一套完整的统一技术规范和服务规范体系的银行,适合构建分布式虚拟总线,即去中心化分布式的体系架构ESC。分布式架构的优点是非常灵活,弹性非常强,性能远比集中式架构高。在ESC架构下,每一个节点都是对等的,互相的服务访问不需要经过服务中介,而是经过已治理好的服务规范和服务访问方法来进行。服务提供者对自己的产品和服务进行明确的定义,然后在注册中心进行注册;服务消费方需要访问服务的时候,先到注册中心访问该服务的服务标准、服务定义和服务地址等,获取这些信息以后,服务消费方与服务提供方直接建立连接进行服务调用。
唐智峰还强调:实施分布式架构体系的一个前提是需要建立起统一的技术规范和服务规范体系,如果没有明确建立起统一的技术规范和服务规范,系统往后演进的过程就会回到原来的紧耦合式结构,这与SOA的架构思想就背道而驰了。
基于这两种SOA演进的模式,神州数码融信为银行提供Sm@rtESB和Sm@rtESC两款产品便于选择。对于不同的银行,它们可以需要根据现状和未来的发展规划,进行相应的评估,从而确定哪一种方案更适应自身发展的需要。这两种不同的演进模式,虽然在部署架构上有差别,但最根本的地方——即对于银行IT治理特别是服务治理的要求是相同的。无论银行满意哪种产品,银行最终需要建立统一的IT治理体系,让至关重要的服务治理和服务体系真正落地!
好文章,需要你的鼓励
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。
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。
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。