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
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。