敏捷是企业应对不确定性的重要手段,现代化应用则可以让企业迭代速度更快、更敏捷。
亚马逊就是一家自己走过现代化应用历程的企业,2002年亚马逊在技术上全面微服务化,同时在架构上实现“双披萨团队”,到2020年,亚马逊已经有超过10万个微服务。像产品页面的展现、购买键,是否是Amazon Prmie商品、送货的承诺、客户的评论、价格的显示等都是一个个独立的微服务,亚马逊按照现代化应用根据业务需求的迭代走到了今天。
“容器、微服务、Serverless都是现代化应用构建过程中使用到的常见技术。” 亚马逊云科技大中华区产品部总经理顾凡表示,过去15年,亚马逊云科技一直在持续不断地突破现代化应用技术。
亚马逊云科技大中华区产品部总经理顾凡
2014年推出的Serverless服务Amazon Lambda是亚马逊云科技一个划时代的创新,其可以让企业将更多精力集中在业务上。2017年在容器领域推出Amazon Fargate是适用于容器的serverless服务,实现整个集群的管理和扩展。2018年发布的Amazon Aurora在去年进行了一次迭代,将生产数据库放到Aurora Serverless V2可以在几分之一秒之内快速地扩展到数十万个事务的处理。
Gartner发布最新的《2021年云基础设施和平台服务魔力象限》,亚马逊云科技连续第11年被评为领导者,在愿景完整性和执行能力两个象限均排名第一。作为魔力象限报告的补充,Gartner发布的《云基础设施和平台服务关键能力报告》在云原生应用用例中,亚马逊云科技排名第一,在应用开发持续交付服务,以及广泛的容器服务均给出很高的评价。
亚马逊云科技也给出三个现代化应用转型策略为企业用户提供参考:
第一,Replatform平移:运用容器快速打包现有数据中心里的应用快速迁移到云上进行托管。目前80%的云上托管的容器都在亚马逊云科技上运行。
第二,Refactor重构:在不同的时间和场景针对不同的应用去选择最适合的策略,在重构时使用新技术、新架构。
第三,Shared Services Platform构建共享服务平台:企业在现代化应用和微服务到达一定的阶段会面临一些挑战。无论是微服务应用构建,还是无服务器构建,Amazon Proton都可以让两个团队真正的合力转得更快。
顾凡表示,现代化应用路径的选择,客户应该根据自己的应用特征,业务驱动重构的时机,以及现在微服务化的规模选择适当的策略。
亚马逊云科技在现代化应用有着独特的优势和产品,亚马逊云科技大中华区产品部计算与存储总监周舸总结为四个方面,第一,广泛选择,灵活部署;第二,深度集成、快速构建;第三,安全可靠、生产就绪;开源开放、合作共赢。
同时Amazon EKS Anywhere和Amazon ECS Anywhere也是帮助企业构建现代化应用的重要服务。
企业在本地部署Kubernetes的时候其实经常会遇到很多的困难,Amazon EKS Anywher可以帮助客户在本地部署和使用跟在亚马逊云科技上使用EKS一致的Kubernetes。同样,Amazon ECS Anywhere可以帮助客户直接把在亚马逊云科技上的ECS集群衍生到客户本地。
以西门子为例,其软件会交付到数以百计分布在不同区域的工厂,由于要在不同的环境和不同的基础设施上运行,会存在一定的差异性造成挑战。西门子管理的上百家工厂的软件通过转换到Amazon ESC Anywhere平台上,可以在统一的集群管理平台里,管理上百家工厂中不同生产线上的软件运营基础架构,充分地利用容器的特性衍生到各个场景里。
好文章,需要你的鼓励
Python通过PEP 810提案正式引入惰性导入功能,允许程序延迟加载导入库直到实际需要时才执行,而非在启动时全部加载。该提案由指导委员会成员Pablo Salgado于10月3日提出并于11月3日获批。新功能采用选择性加入方式,保持向后兼容性的同时解决了社区长期面临的启动时间过长问题,标准化了当前分散的自定义解决方案。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
Valve最新Steam硬件软件调查显示,Linux用户占比达到3.05%,较上月增长0.37个百分点,相比去年同期增长约50%。游戏网站Boiling Steam分析显示,Windows游戏在Linux平台兼容性达历史最高水平,近90%的Windows游戏能在Linux上启动运行,仅约10%游戏无法启动。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。