CNET科技資訊網(wǎng) 4月19日 國際報道:微服務(wù)(Microservices)是目前企業(yè)IT領(lǐng)域最熱門的話題之一,這一點有充分的證據(jù)可以證明。微服務(wù)往往會提供一些信息技術(shù)和他們具有優(yōu)勢的交易,尤其是能夠快速高效地對代碼進行一些微小修改和降低風險的能力。另一大優(yōu)勢在于:其服務(wù)往往以業(yè)務(wù)能力為核心,能讓自己順利地持續(xù)交付。
微服務(wù)表示的是一種建立在小型、可分離進程基礎(chǔ)上的軟件架構(gòu),通過與語言無關(guān)的API進行通信。雖然這些服務(wù)本身相對易于使用,企業(yè)(特別是那些尋求將現(xiàn)有獨立應(yīng)用程序向微服務(wù)架構(gòu)轉(zhuǎn)換的公司)需要認識到,微服務(wù)并不會神奇地令復雜性“消失”。
相反,應(yīng)用程序交付和管理的復雜性將從一個單獨、大型的應(yīng)用程序的問題轉(zhuǎn)化為跟蹤及將多種服務(wù)的外部關(guān)系可視化的一個挑戰(zhàn)。處理復雜、單一的應(yīng)用程序問題將被處理復雜的網(wǎng)絡(luò)所代替,而這一復雜網(wǎng)絡(luò)由分布式的、必須協(xié)同運行的相對簡單的組件構(gòu)成。
微服務(wù)的前景幾乎每天都在受到手機和物聯(lián)網(wǎng)(IoT)的影響,而這恰恰使得改善、加快軟件交付的壓力增加。為應(yīng)對這種壓力,各企業(yè)需要采用全新的交付模型,發(fā)布可以處理許多服務(wù)及其依賴關(guān)系的策略和工具。
大型單一應(yīng)用往往具有很長的發(fā)布周期,而且每個版本均具有許多復雜的功能,雖然這些應(yīng)用在市場上總會有自己的一席之地,但軟件開發(fā)環(huán)境一直在變化,不斷呈現(xiàn)出新的機遇和挑戰(zhàn)。
您的企業(yè)如何從這些需要幾十甚至上百步來部署其眾多元件功能的單一應(yīng)用模式轉(zhuǎn)換到管理一套更多、更簡單組件的模式呢?
雖然工作流工具能夠繪制出每一步部署必須要做的工作,但其旨在為一個大型部署將一系列步驟串成一套復雜的部署,所以這些工具不適合這個挑戰(zhàn)。它們往往不適合處理眾多小型部署、組件之間的依賴關(guān)系、或并發(fā)版本等任務(wù)。
如果你不能輕松地協(xié)調(diào)多種服務(wù)以實現(xiàn)一個端對端用例,尤其是在你需要能夠同時運行多種不同服務(wù)的兼容版本時,那么提供個人服務(wù)或單擊即可的容器并沒有多大幫助。同樣,你需要在選擇要部署的服務(wù)上具備一定的靈活性,這樣一來,一項服務(wù)上的測試失敗將不會立即叫停你的交付過程,而且也將阻止所有其他在同一交付流程的服務(wù)繼續(xù)運行。
要充分利用微服務(wù)架構(gòu),你需要對你的部署相關(guān)性和配置有一個概述。這允許你為持續(xù)的交付流程提供最合適的速度和效率效益。
在一個微服務(wù)環(huán)境中,單項服務(wù)間可能存在眾多依賴關(guān)系。隨著整個服務(wù)架構(gòu)變得越來越復雜,組件數(shù)量越來越多,IT人員不可能追蹤所有的依賴關(guān)系并在缺乏自動操作的情況下防止沖突。如果漏過了某一種依賴關(guān)系,整個系統(tǒng)將可能在某個很長的微服務(wù)調(diào)用處失敗,而且很難找出原因或追蹤問題的來源。
在這種情況下,要為不同的服務(wù)協(xié)調(diào)多個交付流程相當困難。不可避免的是,你最終將得到一個流程網(wǎng)絡(luò),它必須是一個能共享信息的無縫生產(chǎn)之路。
當然,在你處理成品時仍會有大量的手工操作任務(wù),因此使用工具能夠支持手工操作是非常重要的。然而我們要知道,自動化往往能減少錯誤、提高效率。
目前,圍繞容器技術(shù)(Container Technology),特別是應(yīng)用容器引擎Docker有許多爭議。不過,誰知道未來會是什么樣呢?你可以采用技術(shù)而非容器實現(xiàn)微服務(wù)。
致力于一項新技術(shù)始終是一場賭博。如果市場發(fā)生了變化,或是你所研究技術(shù)背后的公司破產(chǎn)了,你將不可避免地被遺棄。不論其底層實現(xiàn)技術(shù)如何,確保你的工具和過程能夠無縫運行還是有意義的。
隨著市場如此之快的發(fā)展,在你可以為自己的企業(yè)選定一種使適用的解決方案前,保證你的實施方案具備開放性和靈活性將是一種明智之舉。
總之,對一個由相互依賴服務(wù)構(gòu)成的復雜網(wǎng)絡(luò)進行自動化、可視化和整合化改變,是交付微服務(wù)應(yīng)用程序的一個主要挑戰(zhàn)。
如果這種復雜性增長到了人們無法管理的地步,企業(yè)需要采用部署并發(fā)布可以管理的眾多組件之間關(guān)系的工具。通常而言,這意味著企業(yè)需要接受一個旨在處理依賴關(guān)系的交付模型。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,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。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。