CNET科技資訊網(wǎng) 2月8日 國際報(bào)道:微服務(wù)架構(gòu)可能并不適合于所有企業(yè)。對于那些IT資源有限的小公司來說,微服務(wù)并不可行。對于那些遺留系統(tǒng)運(yùn)行尚可的公司來說,可能不值得嘗試將他們的系統(tǒng)分解為多個(gè)微服務(wù)。它甚至可能不適合于DevOps文化。
這個(gè)觀點(diǎn)來自于Stripe工程師Susan Fowler,她同時(shí)也是“生產(chǎn)就緒的微服務(wù)”的作者,前Uber公司微服務(wù)團(tuán)隊(duì)的一名工程師。最近Fowler與InfoQ的Thomas Betts進(jìn)行交談,提出微服務(wù)項(xiàng)目的最佳候選者是那些遇到了可擴(kuò)展性問題的公司。微服務(wù)可以幫助管理應(yīng)用,在這些應(yīng)用中“可擴(kuò)展性方面的局限可導(dǎo)致服務(wù)器性能和穩(wěn)定性的問題,無法在這個(gè)應(yīng)用上進(jìn)行任何工作,開發(fā)者速度顯然也受到了影響”。
(巧合的是,另外一位Fowler——Martin Fowler早在2014年為微服務(wù)奠定了基礎(chǔ),包括對微服務(wù)進(jìn)行定義:“微服務(wù)架構(gòu)是一種把單一應(yīng)用作為一套小型服務(wù)進(jìn)行開發(fā)的方法,每個(gè)微服務(wù)都運(yùn)行著它自己的進(jìn)程,與輕量級機(jī)制——通常是HTTP資源API——進(jìn)行通信”。)
對于很多組織機(jī)構(gòu)來說,要想實(shí)現(xiàn)一個(gè)運(yùn)行良好的微服務(wù)架構(gòu)也許并不困難。“大多數(shù)系統(tǒng)并不是以考慮微服務(wù)架構(gòu)而設(shè)計(jì)的,”Susan Fowler這樣表示。因此,很多微服務(wù)最終被設(shè)計(jì)成了獨(dú)立于孤島環(huán)境,或者孤島環(huán)境中的孤島。
據(jù)Fowler的觀察,微服務(wù)也不一定能與DevOps環(huán)境很好地融合。特別是在大型數(shù)據(jù)中心內(nèi),開發(fā)工作和運(yùn)營工作顯然是分離的。然而在微服務(wù)架構(gòu)中,“會有數(shù)十個(gè)、數(shù)百個(gè)甚至數(shù)千個(gè)微服務(wù),因此,許多微服務(wù)開發(fā)團(tuán)隊(duì),以及這些團(tuán)隊(duì)中既是開發(fā)者又是運(yùn)營工程師的工作人員可能從組織架構(gòu)上來說都是沒有意義的。”
但是,微服務(wù)架構(gòu)也需要很好地適應(yīng)所在的組織機(jī)構(gòu)。在另外一篇博客文章中,F(xiàn)owler主張采取一種四層方法:
硬件層:配置管理工具、數(shù)據(jù)據(jù)、服務(wù)器、主機(jī)層日志記錄和監(jiān)控、操作系統(tǒng)、資源隔離、資源抽象。
通信層:DNS端點(diǎn)、負(fù)載均衡、通訊、網(wǎng)絡(luò)、遠(yuǎn)程過程調(diào)用、服務(wù)發(fā)現(xiàn)、服務(wù)注冊。
應(yīng)用層:部署管道、開發(fā)環(huán)境、微服務(wù)層日志記錄和監(jiān)控、自助服務(wù)式內(nèi)部開發(fā)工具、測試、包、構(gòu)建和發(fā)布工具。
微服務(wù)層:微服務(wù)。
好文章,需要你的鼓勵
這項(xiàng)研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機(jī)制,該方法在減少90%參數(shù)的同時(shí)實(shí)現(xiàn)10倍速度提升,在七個(gè)基準(zhǔn)測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強(qiáng)相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團(tuán)隊(duì)承諾開源全部代碼,推動技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團(tuán)隊(duì)開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復(fù)雜爭議、智能檢索相關(guān)文獻(xiàn)、多角度收集觀點(diǎn)的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構(gòu)建爭議話題的分析框架,識別不同觀點(diǎn)及其支撐證據(jù),為科學(xué)和政治爭議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國際關(guān)系領(lǐng)域驗(yàn)證有效性。
清華大學(xué)研究團(tuán)隊(duì)首次提出情感認(rèn)知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類一樣理解和表達(dá)情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識別準(zhǔn)確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達(dá)自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實(shí)現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個(gè)性化情感建模,為醫(yī)療、教育、客服等領(lǐng)域帶來革命性應(yīng)用前景。
哈佛大學(xué)研究團(tuán)隊(duì)通過創(chuàng)新的多智能體強(qiáng)化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會復(fù)雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項(xiàng)突破性成果為未來AI在醫(yī)療、教育、城市管理等領(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過模擬人類學(xué)習(xí)過程培養(yǎng)真正智能AI的新路徑。