文思海輝技術(shù)有限公司(Pactera Technology International Ltd)是咨詢與科技服務(wù)提供商,擁有全球運(yùn)營(yíng)能力、嚴(yán)格的質(zhì)量標(biāo)準(zhǔn)和高效的交付流程。自1995年以來(lái),一直致力于為全球客戶提供世界領(lǐng)先的商業(yè)/IT咨詢、解決方案以及外包服務(wù),在金融服務(wù)、高科技、電信、旅游交通、能源、生命科學(xué)、制造、零售與分銷等領(lǐng)域積累了豐富的行業(yè)經(jīng)驗(yàn),主要客戶涵蓋眾多財(cái)富500強(qiáng)企業(yè)及大中型中國(guó)企業(yè)。
文思海輝的前身分別是文思信息技術(shù)有限公司和海輝軟件(國(guó)際)集團(tuán)公司,這兩家公司都是中國(guó)領(lǐng)先的軟件外包服務(wù)提供商。2012年8月11日文思信息與海輝軟件宣布合并成立文思海輝技術(shù)有限公司,合并后的文思海輝人員規(guī)模成為中國(guó)軟件外包行業(yè)之最,通過(guò)資源、業(yè)務(wù)的優(yōu)勢(shì)互補(bǔ),為商業(yè)客戶提供更優(yōu)質(zhì)的服務(wù)。
文思海輝通過(guò)將戰(zhàn)略總部設(shè)在中國(guó),并在北美、亞太地區(qū)、歐洲設(shè)立地區(qū)總部,文思海輝為客戶提供零障礙溝通的個(gè)性化定制與最佳經(jīng)濟(jì)收益完美結(jié)合的優(yōu)質(zhì)服務(wù)。通過(guò)位于美國(guó)、歐洲、澳大利亞、日本、新加坡、馬來(lái)西亞和中國(guó)的交付中心,為客戶提供企業(yè)應(yīng)用服務(wù)、商業(yè)智能、應(yīng)用開發(fā)與維護(hù)、移動(dòng)解決方案、云計(jì)算、基礎(chǔ)設(shè)施管理、軟件開發(fā)與全球化、業(yè)務(wù)流程外包的一站式服務(wù),滿足客戶對(duì)全球范圍無(wú)縫交付和技術(shù)支持的需求,同時(shí)支持客戶的業(yè)務(wù)發(fā)展戰(zhàn)略,幫助客戶贏得成功。
硬件成本與開源所帶來(lái)的機(jī)遇與挑戰(zhàn)
隨著公司業(yè)務(wù)的不斷拓展,有越來(lái)越多的項(xiàng)目需要及時(shí)的進(jìn)行開發(fā)與交付,與此同時(shí)我們不得不面對(duì)越來(lái)越高的硬件成本及其維護(hù)費(fèi)用。以一個(gè)中等規(guī)模的開發(fā)測(cè)試團(tuán)隊(duì)為例,整個(gè)團(tuán)隊(duì)在整個(gè)軟件的開發(fā)測(cè)試周期里至少需要如下這些機(jī)器。
由于這些機(jī)器在整個(gè)開發(fā)測(cè)試的過(guò)程中專屬于某一個(gè)開發(fā)測(cè)試團(tuán)隊(duì),所以這些硬件上的資源難免會(huì)出現(xiàn)閑置的情況。以CPU為例,大部分開發(fā)測(cè)試團(tuán)隊(duì)所使用服務(wù)器上的CPU資源利用率只有30%左右。再加上不同的團(tuán)隊(duì)分布在不同的地點(diǎn),也為統(tǒng)一管理這些硬件帶來(lái)了很大的困難。
同時(shí)隨著互聯(lián)網(wǎng)的發(fā)展,有越來(lái)越多的項(xiàng)目開始接觸與使用各種各樣的開源軟件,這其中不單單有開發(fā)測(cè)試時(shí)所使用的工具,甚至整個(gè)項(xiàng)目都是構(gòu)建在開源軟件的解決方案上的。開源軟件的靈活性帶給客戶更多選擇且在某些情況下更為經(jīng)濟(jì)方便,但與此同時(shí)也存在一些問(wèn)題眾所周知,開源軟件的文檔與技術(shù)支持方面是遠(yuǎn)遜于商業(yè)化軟件的,這就對(duì)整個(gè)軟件開發(fā)測(cè)試過(guò)程中環(huán)境的準(zhǔn)備與配置提出了挑戰(zhàn)。也許在準(zhǔn)備環(huán)境的過(guò)程中,我們遇到了原來(lái)沒(méi)有預(yù)期的困難,而短時(shí)間內(nèi)我們找不到十分完美的解決方案,為了解決這個(gè)問(wèn)題我們可能會(huì)投入大量的精力與時(shí)間。
敏捷軟件開發(fā)的理論被越來(lái)越的人所理解與采用,絕大多數(shù)團(tuán)隊(duì)在進(jìn)行開發(fā)測(cè)試項(xiàng)目時(shí)或多或少都會(huì)采用一些敏捷開發(fā)的方法。敏捷開發(fā)的核心是持續(xù)集成與持續(xù)交付,這要求我們能夠?qū)蛻舴降男枨笞兏龀龇磻?yīng),并且持續(xù)的交付有真正價(jià)值的軟件給客戶。這對(duì)整體上的測(cè)試環(huán)境提出了新的需求。以測(cè)試環(huán)境為例,假定我們的發(fā)布周期為每周一次,每次用來(lái)準(zhǔn)備一個(gè)測(cè)試環(huán)境的時(shí)間是3小時(shí),一個(gè)團(tuán)隊(duì)中至少有3個(gè)測(cè)試環(huán)境。那么一周中至少有9個(gè)小時(shí)會(huì)被我們用來(lái)準(zhǔn)備測(cè)試環(huán)境,如果整個(gè)開發(fā)周期是八個(gè)月,按每個(gè)月4周進(jìn)行計(jì)算,那么就會(huì)有288小時(shí)被浪費(fèi)在重復(fù)的準(zhǔn)備測(cè)試環(huán)境這項(xiàng)工作上。
方案與解決之道
不論是上面提到的硬件成本與維護(hù)費(fèi)用的提升,還是開源軟件與敏捷開發(fā)所帶來(lái)的對(duì)開發(fā)測(cè)試環(huán)境的需求,都要求我們能夠找到一個(gè)可行的解決方案來(lái)達(dá)到降低成本、持續(xù)集成和持續(xù)交付。伴隨著Microsoft Azure進(jìn)入中國(guó)市場(chǎng),國(guó)內(nèi)IT行業(yè)對(duì)云計(jì)算應(yīng)用的熱情日益高漲。作為業(yè)界前沿的科技服務(wù)供應(yīng)商,我們決定基于Microsoft Azure與System Center平臺(tái)構(gòu)建混合云平臺(tái)并遷移一部分開發(fā)測(cè)試環(huán)境。Microsoft Azure是一個(gè)開放的云計(jì)算平臺(tái),并非是Microsoft技術(shù)開發(fā)者專享。Microsoft Azure對(duì)于開源技術(shù)提供了完美的支持。本地基于開源技術(shù)的開發(fā)測(cè)試環(huán)境遷移到Microsoft Azure平臺(tái),并不意味著要放棄或更換原有的開發(fā)技術(shù)而全面轉(zhuǎn)向Microsoft技術(shù)領(lǐng)域。
采用Microsoft Azure以及System Center構(gòu)建混合云的開發(fā)測(cè)試環(huán)境后,硬件成本得到了明顯的降低,同時(shí)硬件資源的閑置率和硬件資源統(tǒng)一管理也得到了一定程度的解決。
得益于Microsoft Azure對(duì)開源軟件的大力支持,在Azure平臺(tái)上我們可以通過(guò)微軟開放技術(shù)有限公司(Microsoft Open Tech)發(fā)布的VM Depot服務(wù)迅速、輕松地搜尋需要的Linux虛擬機(jī)鏡像。VM Depot上的Linux虛擬機(jī)鏡像是為了快速啟動(dòng)Debian、Ubuntu、CentOS及其他發(fā)行版而創(chuàng)建和準(zhǔn)備的,其中很多鏡像實(shí)例已經(jīng)含有諸多平臺(tái)的服務(wù)器配置,比如Ruby on Rails、Django、PHP、Drupal、Word Press、Wiki和Apache Solr等平臺(tái)。所有這些鏡像都可以通過(guò)Microsoft提供的Windows、Linux或Mac OS命令行工具來(lái)部署。通過(guò)VM Depot服務(wù)自動(dòng)生成的一個(gè)簡(jiǎn)單的命令腳本就可以在非常短的時(shí)間內(nèi)新建并啟動(dòng)一臺(tái)配置完全的Linux虛擬機(jī)。這對(duì)整個(gè)開發(fā)測(cè)試過(guò)程中測(cè)試環(huán)境以及部署軟件帶來(lái)極大的便利。
收益與體會(huì)
在對(duì)部分開發(fā)測(cè)試環(huán)境進(jìn)行云遷移測(cè)試后:
1.大幅降低硬件采購(gòu)與維護(hù)費(fèi)用
在采用虛擬化技術(shù)的云平臺(tái)之前,一個(gè)中型開發(fā)測(cè)試團(tuán)隊(duì)共需要開發(fā)測(cè)試機(jī)6臺(tái),各種服務(wù)器5臺(tái)。遷移到云平臺(tái)后,5臺(tái)服務(wù)器采用虛擬化技術(shù),同時(shí)3臺(tái)測(cè)試機(jī)也可以適當(dāng)?shù)慕档团渲?。采用虛擬化技術(shù)后,整體硬件的利用率也得到了很大的提升,比如CPU的使用率能夠在60%左右。
2.產(chǎn)品的測(cè)試周期大幅縮短
在基于開源軟件的開發(fā)測(cè)試環(huán)境中,測(cè)試環(huán)境的構(gòu)建一直是一個(gè)比較浪費(fèi)時(shí)間的環(huán)節(jié)?,F(xiàn)在利用Microsoft Azure和VM Depot服務(wù)相結(jié)合,將一個(gè)Linux環(huán)境配置好時(shí)間縮短到了1小時(shí)以內(nèi)。對(duì)比原來(lái)3小時(shí)環(huán)境準(zhǔn)備,時(shí)間成本上降低了很多。以上文的舉例來(lái)說(shuō),在持續(xù)8個(gè)月的開發(fā)測(cè)試活動(dòng)周期里,環(huán)境準(zhǔn)備時(shí)間共需要288小時(shí),現(xiàn)在依靠Azure與VM Depot的幫助,可以壓縮到96小時(shí)以內(nèi),并且還可以通過(guò)腳本自動(dòng)化的方式進(jìn)一步壓縮整個(gè)環(huán)境的部署時(shí)間。通過(guò)測(cè)試環(huán)境部署時(shí)間的壓縮,可以大幅縮短測(cè)試周期。
3.交付用戶時(shí)的部署時(shí)間大幅縮短
如果用戶同樣使用Azure云平臺(tái),那么通過(guò)使用VM Depot服務(wù)可以在部署環(huán)境準(zhǔn)備方面節(jié)省大量的時(shí)間。并且可以通過(guò)腳本化部署的方式將實(shí)時(shí)的改動(dòng)同步到生產(chǎn)環(huán)境中,真正做到以最短的時(shí)間交付給客戶最有用的軟件。
4.鏡像的重用率提升
由于開發(fā)組眾多,各個(gè)開發(fā)組之間所使用的服務(wù)器類型有很多都是一樣的,可以按照?qǐng)F(tuán)隊(duì)工作性質(zhì),創(chuàng)建通用的鏡像文件上傳到VM Depot。每次構(gòu)建環(huán)境就可以重復(fù)使用,避免每次重新制作鏡像的重復(fù)工作。
5.采用VM Depot節(jié)省了存儲(chǔ)鏡像的空間使用
Microsoft Azure上可以創(chuàng)建自己的鏡像,方便以后環(huán)境構(gòu)建,但是在Microsoft Azure上保存鏡像會(huì)占用存儲(chǔ)空間并產(chǎn)生相應(yīng)的費(fèi)用。利用VM Depot服務(wù)后,鏡像的保存轉(zhuǎn)移到了服務(wù)提供者,我們Azure賬戶就省去了存儲(chǔ)空間的成本,并且不影響環(huán)境構(gòu)建需求。
通過(guò)將部分開發(fā)測(cè)試環(huán)境遷移到云端的實(shí)踐,我們認(rèn)為基于Microsoft Azure或者混合云構(gòu)建一個(gè)開發(fā)測(cè)試環(huán)境是一種明智的選擇。Microsoft Azure的IaaS服務(wù)對(duì)于構(gòu)建開發(fā)測(cè)試環(huán)境來(lái)說(shuō)提供了很好的擴(kuò)展性,同時(shí)Microsoft Azure也不是Windows開發(fā)者專屬,借助VM Depot等服務(wù)開源技術(shù)同樣可以在Microsoft Azure平臺(tái)上創(chuàng)造輝煌。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛(ài)不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。