ZD至顶网CIO与应用频道 11月07日 北京消息:近日,中国开源云联盟发布国内首个容器白皮书《2016容器技术及其应用白皮书》,中国开源云联盟由英特尔、新浪网、中标软件和上海交大共同于2012年8月发起创立。2016年,在工业和信息化部信息化和软件服务业司的指导下,中国开源云联盟正式挂靠中国电子技术标准化研究院。截至目前,已有80多家我国开源云计算生态圈产、学、研、用单位正式加入联盟。
近年来,容器技术逐渐成为继虚拟化技术出现后对云计算领域具有深远影响的技术变革。容器技术的发展和应用,为各行业应用云计算提供了新思路,同时容器技术也对云计算的交付方式、效率、PaaS平台的构建等方面产生着深远的影响。容器技术可以帮助客户快速构建云原生应用,实现持续集成和交付,加快应用迭代周期。很多企业都已经在实际项目中使用该技术,容器已变为企业落地微服务架构改造及实现DevOps运维架构理念的重要支撑技术。
容器的技术生态主要分为核心容器技术、分布式容器技术、容器平台技术,以及容器原生辅助支持技术四部分。容器技术最早应用在Linux操作系统,称为Linux Container(LXC),在互联网公司开始使用部署分布式应用,之后随着Docker、Rocket和CloudFoundary Garden等容器引擎的兴起,定制容器宿主操作系统CoreOS、Ubuntu Snappy、Red Hat Atomic逐渐盛行,容器被有效构建和管理、并在各行各业普遍使用和认可。广为人知的容器编排项目Mesos、Kubernetes和Swarm都已形成自己的生态体系,Mesos推出了Unified Container、Kubernetes推出了CRI-O(即之前的OCID),以及Swarm的Docker,持续丰富着整个容器技术生态,为企业和开发者提供了丰富的选择空间,大型组织中的基本计算单位正在逐渐从虚拟机转向容器。
然而容器技术的应用仍然面临着很多的问题,首先,技术多种多样、多种平台并存,但目前在容器方面没有统一的标准。其次,企业在进行容器技术应用的过程中一些传统服务(例如数据库服务等)很难与容器平台进行一体化整合。;从盈利模式上看,容器技术(以Docker为例)的快速传播很大的因素之一在于开发者使用简单,尚未形成较好的盈利模式;最后就容器技术本身在稳定性、安全性、监控成熟度、管理平台、网络和存储方面的成熟度还需要提高。
为系统研究分析容器技术和应用的发展趋势,《2016容器技术及其应用白皮书》立足于容器技术发展的演进路线图,分析了包括Docker Container以及Mesos Container、Rocket Container等容器技术在应用过程中的应用场景以及面临的问题和关键成功因素,并描绘了容器技术未来的发展趋势和方向。白皮书的编制由中国开源云联盟完成,参与单位包括中国开源云联盟容器工作组组长单位数人云,副组长单位CNTV,以及国电通、国航、去哪儿网、Intel、天云软件、VMware、阿里云、DockOne社区、hyper、华三、灵雀云等企业。
《2016容器技术及其应用白皮书》的发布推进了容器及相关技术在中国的落地与实践,建立了顺应国际技术发展趋势并符合中国本地化特征的容器标准体系。中国开源云联盟与业界分享了其在容器技术领域的研究成果和实践经验,中国开源云联盟呼吁社会各界共同关注容器技术,共同推动容器技术的发展,提升容器技术在云计算领域中实践和服务能力。
相关背景
中国开源云联盟(COSCL)是中国最早专注于OpenStack的专业技术联盟,随着开源云计算技术的发展,目前COSCL下设工作组已增至11个,工作范围从OpenStack逐渐向开源云计算生态圈的其他技术方向延伸,涉及目前我国云计算领域较热点的发展趋势,如混合云研究、千节点部署、Ceph开源技术、桌面云技术、容器技术等;同时,部分技术方向已开始探索标准化工作,开展开源标准研究,以及与国家标准、国际标准的配套方式的研究。
5月31日,中国开源云联盟2016年第一次理事会在京召开,会上中国开源云联盟Mesos工作组正式成立,为更好地推进容器及相关技术在中国的落地与实践,Mesos工作组现已正式更名为容器工作组。中国开源云联盟容器工作组旨在推动容器技术在国内的落地,提升容器技术在开源社区的贡献比例,并建立顺应国际技术发展趋势、符合中国本地化特征的容器标准体系。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。