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
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。