至顶网CIO与应用频道 10月30日 北京消息:开发人员和大厨的相同之处在哪里?两者都要通过不断的测试才可以出成果。在烹饪口味纯正佳肴时, 厨师会不断试尝味道,以确保烹饪过程中的每一步都按计划进行。
同理,开发人员在交付结果之前,也会在整个进程中进行持续测试,确保项目发布时不会有任何“惊喜”。这对网络运维来说至关重要。这样做使企业有机会在用户体验和应用性能受到影响之前,主动发现和解决网络行为问题。
尝试和测试
鉴于当今网络环境的动态特性,动态测试以及对网络异常的敏捷反应是两种宝贵的资源。由于SDN和云计算等技术的发展,网络已经成为一个由不断变化的、由物理、逻辑和虚拟组件构成的流动性热点。
对新的网络协议栈所做的每一个微小的改变或更新,都有可能损害用户体验。能否在潜在的破坏或质量退化发生前抢先一步发现问题,将会关系到新业务举措、客户交易、数字化服务的成败。
通过动态测试,企业不仅能验证现有堆栈中的每一个更改,也能在用户使用之前验证新技术和网络服务在生产过程中的部署情况。
成功的必要因素
动态测试与实时网络监控软件和实时分析结合使用能带来最佳效果。这三个组件使企业机构能够建立一个网络性能动力室,覆盖范围可从数据中心机架延伸至个人使用者的移动设备上。
例如, 动态服务数据和被动基础架构性能的组合能在可预测的网络行为以及库存、拓扑、断层、流和数据包分析的基础上,从终端用户的视角创建全面的网络服务质量端到端视图。所有这些元素都可以被转换成用于网络运维的可操作智能,为其提供当前客户体验质量、服务性能和未来网络行为的最佳视图。
更低的管理成本,更高的灵活性
为了充分利用动态测试,企业机构需要建立合理的流程和平台以助力网络运维团队。性能优良的网络监控软件使企业不仅能在战略终端的位置轻松地远程实施测试代理,在核心、高流量区域也同样能如同多租户测试代理一样能够执行测试、捕获主动监控结果并利用回传技术来延展网络可视性,而这些都有助于减轻网络团队的管理负担。
即使在今天,解决方案如果仅能识别进程中的网络行为也已远远不够。对于可用以预测未来行为的数据,网络运维团队还需帮助提高反应能力。快速解决问题和主动避免问题对于保证用户体验至关重要。自动警报、触发器以及测试案例都能够帮助网络运维团队迅速发现问题的根本原因。
监控、预测、分析网络行为及性能是现代网络基础架构的先决条件。通过确保所有构成要素在一项新应用或新服务开始之前、进行中以及结束之后都相互协调配合,企业将能创造出数字化时代的杰作。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。