管理来自不同提供商的云服务集群是许多组织刚刚开始着手解决的一个挑战。他们如何将坐在数据中心的数据和应用程序移动到另一个供应商?他们如何将许多不同部分的环境无缝拼凑在一起?
回答这些问题是艰难的。首先弄清楚哪些部门正在使用什么云服务,然后来规划和处理业务。对于提供云基础设施的服务或软件开发平台,有各种工具可以帮助您整理出哪些是可移动的,以及需要什么连接。
但是,当涉及预先包装的云软件服务或软件即服务(SaaS)时,问题就更难解决了。例如,如果软件提供商提价或因为该应用不再适合该业务,则数据和信息和流程不能轻易地从一个应用程序转移到另一个应用程序。事实上,IT顾问Judith Hurwitz表示,服务商力争维持现状。
Hulwitz表示:“如果您查看任何这些应用程序,你会发现它们基本保持客户锁定,这是整个设计点。”Hurwitz是一系列关于IT的书籍作者,包括Cloud Computing for Dummies。
“运气不好”
顾问Jeffrey Kaplan本周在E-Commerce Times上写道,定制服务使得SaaS管理应用程序“随着时间的推移变得更加困难”。 咨询公司THINKstrategies的总经理Kaplan写道,组织希望自定义他们的云应用程序以适应现有的IT运营,而且供应商很乐意接受,因为对应用程序进行更多的定制意味着很难移动数据和所有这些专门化的特性——因此客户仍然是客户。
Kaplan在接受采访时说:“你每天的大部分数据都依赖于那些软件即服务的企业应用程序。这些应用程序在许多方面是最易被定制的。” 作为供应商锁定的一个例子,Hurwitz引用了他的咨询公司Hurwitz & Associates的情况。多年前,该公司安装了云应用程序Salesforce用于客户关系管理(CRM),并把钱花在构建特定的业务流程上。
后来,“我们发现这对我们来说实在是太过了。” Hurwitz表示,大多数CRM系统都是为拥有大型销售团队的公司而设计的,而Salesforce中的功能对于她的小团队来说并不有用。
因此,该公司决定将其数据从Salesforce转移到开源系统。 “我们一定可以得到我们的名字,地址和客户,一切都转移过来,”Hurwitz说, “但是,这个过程——你运气不好,因为这都是与这个应用程序有关的代码。” Hurwitz指的是业务流程,即销售系统将高端销售自动路由到特定团队进行处理。“这是一个业务流程规则,需要编码。”
扫除代码障碍
Hurwitz说,可能有办法,但这并不容易。如果一家订阅云软件服务的公司想要将这些业务流程与数据一起移动,那么首先必须弄清楚如何从基础应用程序中分离出自定义编码。
早期的关系数据库提出了类似的问题。在20世纪80年代,当它们在市场上激增时,可以对应用程序进行编码来定制它们,但是从一个数据库转移到另一个数据库是困难的。
最终,购买数据库的CIO和CTO最终设法将流程代码从应用程序中分离出来。 “但是,这让一些真正聪明的人来解决这个问题,”Hurwitz说, “我们绝对不会有软件即服务。” 容器技术可以解开云软件服务的答案。这是一种流行的虚拟化技术,允许应用程序或其中的一部分快速移动。可以将定制代码放入容器中,从而可以轻松地从应用程序的其余部分中移除。
Hurwitz说,有一天会有一些这样的创新,但是不要指望云软件服务提供商。 “可能是第三方,”她说,“因为如果您是SaaS供应商,为什么会让别人更容易离开呢,信不信由你,这是一个重要因素。” Kaplan表示,像容器这样的新技术以及带宽更大的网络可能确实有助于将云软件服务带入多云。
但是,随着我们对云计算能力的期待,新的问题将会出现。随着人工智能和机器学习等先进技术被集成到云服务中,云将被要求做更多、更快的工作。 Kaplan说:“我们每天都在为自己创造新的挑战,因为我们对于技术总是做出更高的期望。”
 0赞
0赞好文章,需要你的鼓励
 推荐文章
                    推荐文章
                  虽然ChatGPT等AI工具正在快速改变世界,但它们并非无所不知的神谕。ChatGPT擅长"令人信服的错误",经常提供有偏见、过时或完全错误的答案。在健康诊断、心理健康、紧急安全决策、个人财务规划、机密数据处理、违法行为、学术作弊、实时信息监控、赌博预测、法律文件起草和艺术创作等11个关键领域,用户应避免完全依赖ChatGPT,而应寻求专业人士帮助。
Meta超级智能实验室联合佐治亚理工学院开发出RECAP训练方法,通过故意给AI模型误导性开头来训练其纠错能力。该方法显著提升了大语言模型的安全性(12.3%)、抗攻击能力(21.0%)和推理质量,同时减少过度拒绝问题。RECAP无需额外计算资源,能让AI模型学会自我反思和批判性思维,为构建更可信的AI系统提供了新思路。
微软重启三里岛核反应堆的协议确认了AI革命与能源现实主义的融合。亚马逊和谷歌也达成类似协议,共同押注核能为AI未来提供最可行的动力路径。到2030年代,数据中心用电量可能媲美大国水平。国际能源署预测全球电力需求到2050年将增长六倍。核电厂90%的容量因子使其独特适合数据中心需求。世界核协会估计,当前全球398GW核能产能必须在2050年前至少增长两倍。
奥地利科学技术研究院团队深入研究微缩浮点数格式NVFP4和MXFP4的实际性能,发现现有量化方法效果不佳。他们开发了微旋转GPTQ算法和QuTLASS计算库,在保持模型精度的同时实现显著加速:B200芯片上达到2.2倍端到端提升,RTX5090上实现4倍加速,为AI推理优化提供了新的解决方案。
 
             
                 
                     
                     
                    