在传统的应用架构中,企业怕是难以应对数据规模激增带来的技术挑战,这时,容器技术为企业提供了全新的思路。凭借弹性伸缩、快速部署等优势,容器为应用程序的开发及部署带来了前所未有的灵活性,并借此在多云之间、云与本地系统之间,乃至不同本地系统之间应用程序工作负载的往来迁移等场景下,得到广泛应用,并成为最受瞩目的云计算领域的趋势之一。
但是,有效构建起复杂的容器化环境仍然需要大量的技巧及经验。容器即服务(CaaS)也由此应运而生,作为平台即服务的一种变体,这个概念正在被广泛使用,以加速容器的采用。不过,CaaS是厂商们「略带忽悠 」的另一个「即服务 」术语?还是有确实「有点东西 」?
数据表明,CaaS并非浪得虚名。
根据Flexera发布的《2020年云计算现状报告》来看,在此次面向750位IT高管的调查中,大部分云采用者(53%)也在同时使用CaaS;而随着容器在企业发展中所占比重的提升,CaaS保持着良好的上升趋势与运营走向。值得注意的是,CaaS已经成为云驱动型企业当中得到广泛使用的第二大「平台即服务 」,远高于去年调查中的第六位,仅次于占比62%的「数据库即服务 」。调查报告的作者表示,“如今,越来越多的企业利用容器加快部署、扩展运营,并提高云环境下工作负载运行效率等等,他们对容器技术的关注度不断增长,目前来看,这一趋势保持着旺盛的推进势头。”从增长速度来看,CaaS以同比17%的增幅排名第二,仅次于物联网服务(21%)。另一大快速增长的类别则是机器学习与人工智能,其同比增幅同样为17%。
总体而言,这项调查在2020年第一季度进行,发现公有云与混合云解决方案的采用率不断上升,其中AWS、微软Azure以及Google Cloud各自占据重要的市场份额。
除了基础云产品之外,不少企业还开始从公有云服务商手中筛选CaaS产品,来增强并加快应用程序交付能力。AWS的Elastic Container Service 与 Elastic Kubernetes Service (ECS/EKS)最受欢迎,使用率高达54%,远高于去年Flexera云报告中的44%。另有24%的人已经有计划采用ECS/EKS。Azure容器服务的采用率达到46%(去年为28%);而Google Kubernetes Engine(GKE)的占比也由15%增长至24%。
来自Scalyr公司的Eric Olsson表示,CaaS确实带来了一系列重要的收益,能够在部署的速度及控制之间求得良好平衡。“敏捷方法缩短了开发与测试的时间,而云计算则缩短了部署周期。持续集成(CI)与持续交付(CD)进一步加快了交付速度。除此之外,容器还可以提供功能更强大、更灵活的解决方案。当然,伴随着所有这些因素,容器也带来了额外的配置要求与复杂性。”
目前,缺乏专业知识仍是使用容器技术的最大挑战,有41%的受访者将其列为头号难题。另有38%的受访者认为将传统应用程序迁移至容器才是最大挑战;34%的受访者表示安全性才最让人头痛。此外,超过四分之一的企业甚至发现就连服务供应商,也存在容器技术缺失问题。调查报告的作者们提到,“资源方面的挑战可能源自容器技术的不断迭代与快速普及。将传统应用程序迁移至容器同样相当困难,因为容器针对微服务架构进行了优化,但传统应用程序并非如此。”Flexera调查的作者们指出,CaaS采用率的提升,可能有助于应对这一系列挑战。
调查结果还显示,Docker与Kubernetes的受众仍然相当可观。近三分之二(65%)的组织使用Docker,另有14%的组织有计划在短期内使用。58%的受访者正在使用Kubernetes,另有22%正计划使用。
好文章,需要你的鼓励
F5发布AI Guardrails和AI Red Team两款AI安全产品,以及面向Google Cloud的NGINXaaS服务。AI Guardrails作为代理层部署在用户与AI模型之间,拦截并分析提示词和输出内容,防范注入攻击和越狱技术。AI Red Team自动化对抗性测试,月增1万条攻击技术条目。NGINXaaS现已扩展至Google Cloud,提供负载均衡和安全可观测性功能。
复旦大学研究团队通过大规模实验发现,AI训练中最强的"老师"模型并不一定能教出最好的"学生"模型。他们提出了"排名惊讶比率"新指标,能精准匹配最适合的师生配对。该方法在多项测试中表现优异,预测准确性达0.86,为个性化AI训练和教育提供了科学依据。
思科作为企业网络设备的主导厂商,在CEO Chuck Robbins领导下持续推进变革。公司专注于AI基础设施建设,与BlackRock、微软、英伟达等巨头建立战略合作伙伴关系,投资AI数据中心和生态系统。思科将AI技术深度整合到安全产品中,推出Cisco Secure AI Factory等解决方案。同时,公司积极应对网络安全挑战,修复关键漏洞,推出新认证课程,并通过收购和技术创新强化其在AI时代的基础设施提供商地位。
斯坦福大学人工智能实验室2024年发布的这项研究深入探讨了大型语言模型的推理机制。研究团队通过创新的分析方法,首次系统性地揭示了AI模型在处理复杂推理任务时的内部工作方式,发现其信息处理模式与人类思维有相似之处,但本质上仍依赖统计学习。研究识别了AI推理的典型错误模式和局限性,为改进AI系统提供了科学依据,对AI技术的负责任发展具有重要意义。