伴随着IT的进步,同时也产生了IT烦恼。无论是开发人员、运维人员还是企业管理人员,都面临诸多的问题。
比如,复杂的开发环境,开发一个软件,需要配套很多服务,数据库服务,缓存、数据导入导出等;还有繁琐的测试发布,发布部署复杂,需要准备环境、安装软件、配置应用、打补丁、部署、同步等待,自动化程度较差;机器也会越来越慢,系统升级困难,无法动态伸缩。
一般来讲,企业的IT架构演化路线是从传统IT——IaaS——PaaS——SaaS,演化的难度越来越大,但共享的资源也越来越多,随之对企业来说产出也越来越多。
针对上述诸多IT问题,通过PaaS平台提供的服务,使得当前的服务提供者有支撑模式的转变,包括:服务要快速交付,提供多租户环境,动态分配空间;在运营方面,运行时的服务扩展,透明的补丁流程以及收集应用服务的运行数据,并进行相应的分析和预测;无缝的扩展,根据用户的需求进行按需定制,并可进行扩展。
原来我们需要去构建和维护应用的运行环境和平台,而现在每个人都不得不从一个服务提供者的角度去考虑,如何将服务提供的更灵活。
有一个现实的案例,某医药集团物流公司,将全国30多个物流中心通过一个云服务平台把资源整合起来,为分销商、零售商、生产商、医院、物流中心提供服务,底层的管理系统、运输系统都基于云平台上。这里面用的PaaS平台是用友iUAP的SoMa,主要解决三方面问题,接管主机,补丁的管理、监控运行数据。
通过SoMa对该企业的系统和数据进行全网可视化跟踪,包括,社会公共服务里的公众查询、舆情预警、药品紧急调拨配送、重大事故追溯等;社会公共资源里的银行结算、药监局药品管理等;行业服务里的医药物联网、集中采购平台、数字物流港等;行业标准里的医药主数据、医药物流标等。基于SoMa PaaS平台把企业内部的资源进行整合,把随需的IT变成随需的业务。
某医药集团物流公司SoMo服务监控界面
用友iUAP SoMa是一款定位为企业级应用和服务管理的新一代融合PaaS平台,“S”代表面向服务的架构,“O”代表一体化的运维支撑能力,“M”表示全面的监控支持,“A”表示系统发展以分析和智慧化为目标。
Soma是集成了开发、运维和运营的一体化的服务平台。相比国内外PaaS平台而言,支持更为丰富的企业级应用,同时也支持主流的开源应用,比如:tomcat、apache,redis等。通过可扩展的插件机制,应用自定义的其他服务。
SoMa一体化服务平台
SoMa支持多场景的部署。可以在多种IaaS平台上部署,比如:阿里云、华为云、用友云等,同时为了满足企业不同的需求,SoMa本身也支持多种方式部署,比如:公有云部署、私有云部署及混合云部署。
SoMa支持对应用实例进行全生命周期管理,包括,创建、注册、绑定、补丁应用/组件更新、解除绑定、销毁。在应用全生命周期管理过程中,支持基于模板创建应用,支持多种软件源,比如:yum源、opt源、puppet源、iUAP软件源等。
提到运维,就不能没有监控。SoMa提供了强大的可视化运维监控功能,在事前预防、事中追踪和事后分析方面都提供了相应的运维监控功能,比如:灵活的预警机制、丰富的实时监控数据采集、详细的日志等,这使得运维变得更为简单和高效。
监控维度非常丰富,有线程监控、主机监控、远程调用监控、服务监控等;端到端的监控,从客户端到数据库层进行穿透;实时监控,能够让系统管理员实时的看到所有的运行参数;事后分析,在检测到异常时,能够主动生成当前系统的快照。
SoMa自动伸缩,容器化部署,支持Docker,应用均支持弹性配置。另外,在运营层面,SoMa支持多租户管理,方便计算运营。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。