如果一个用户打开一个网站,5秒钟页面还没有打开,74%的用户会选择离开;如果APP出现三次以上的性能问题,86%的用户会卸载这个应用。
应用可持续性的重要性正越来越高,双十一电商网站的流量高峰、电子支付对银行带来的支付波动、世界杯视频网站的流量暴涨等等。
而且现在非常多的企业在开始着手信创,大多数企业会选择从边缘业务进行实验,因为信创系统,一旦出现了体验、稳定性等问题是不可能再割接回原系统,这对整个自主创新道路是非常大的挑战。
在信创建设上,是否有可以保证业务稳定开展的模式?艾瑞咨询联手神州云科、通明湖云和信创研究院、通明智云,在业界首次发布《数字时代应用可持续性架构和验证白皮书》。
白皮书指出,应用可持续性架构应该从架构本身着手,只有整体架构和关键节点稳定了,各模块才能实现敏捷、灵活组装。而只有各模块实现敏捷了,不同数据中心之间的双活、灾备,传统架构和云原生架构之间的对接和迁移,非信创设备和信创设备之间的对接和迁移,才会在业务侧无感知的情况下,轻松完成。
双轨满足客户真正业务目标
应用可持续架构具体特征包括:双活双轨,多协议对接,与现代技术栈无缝对接,全生命周期可观测,动态可扩展负载,主动韧性,可多种方式对接与集成等。
神州云科最近发布了满足企业应用可持续性发展的双轨超高可用架构(Dual Track Maximum Availability Architecture,简称DTMAA)。该架构不仅能帮助企业应对数字化转型对应用交付和网络安全的高要求,更能助力企业面对双轨(信创&非信创)环境,实现基于双活或多云多活的应用可持续性。
“双轨超高可用架构,一方面是保证信创产品的稳定性,弥合性能与企业应用要求的差距;一方面是面对合规、风险和创新的挑战,云原生实现可信开源与跨域协同。”神州云科副总裁,通明湖云和信创研究院副院长吴静涛说道,双轨超高可用架构在双活数据中心的跨区调度基础上,添加每个数据中心内信创域和非信创域的跨域调度,实现跨区跨域协同的多活双轨超高可用。
高可用是整个信创建设最基本的需求,双活模型是跨数据中心进行协同,数据中心内部不同业务做协同。在吴静涛看来,双轨超高可用架构是高可用架构的一个表现形式,双轨超高可用架构在跨中心和跨区之间加入了域的逻辑层。
双轨超高可用架构在服务异常情况下,可以通过实时灰度调度的方式,切换流量,保留应用故障现场环境,便于后续的排错与根因定位。
神州云科也规划了双轨三步走战略,第一步是初步双轨运行,第二步是稳步推进,将双轨在不同区域逐渐扩大形成推广,第三阶段最终实现完全信创。吴静涛指出,实际上这也是神州云科希望业界在信创上,可以形成标准化的操作方式,让更多的厂商可以加入进来,共同满足客户的真正业务目标。同时他也认为这并不是一个过渡方案,是可以一直使用的架构逻辑。
五大引擎每一个都是创新
双轨超高可用架构是源于神州云科服务金融行业积累推出的通用解决方案,像电信、能源、交通等行业都具有普适性。
实现双轨超高可用架构其实也存在很多的挑战,吴静涛认为,一方面是三种不同架构间的协同,神州云科与F5做了协议级的绑定和研发,确保之间的互联互通,有机的结合在一起去协同的调度跟编排;另一方面是生态,与信创生态企业之间做协同。
架构分为信创区和非信创区后,在两个区域之间的跨区跨域协同方法上,神州云科通过五大引擎实现多层次的应用可持续性最佳实践。
第一,高可用调度引擎:助力信创业务验证,消除隐患;动态调整信创业务比例,风险可控;助力信创业务应急逃生;助力现代应用敏捷联动。
第二,安全服务编排引擎:助力实现信创安全架构创新,提高攻防对抗能力。
第三,信创高可用引擎:联网协同,智能调度。
第四,现代应用高可用引擎:可信开源 安全可控。
第五,大数据引擎:助力业务可观测性。
“每一个引擎都是架构的创新。”吴静涛说,五大引擎的实现非常具有挑战性和行业前瞻性。
双轨超高可用架构的技术优势是实现了对于信创高可用引擎和高可用调度引擎的智能协议级互联互通。高可用引擎可以通过信创高可用引擎快速地感知到信创业务的状态,它会从信创高可用引擎中汲取必须要判断的信息,作为对业务质量的综合判断。
为了更好的适配双轨超高可用架构,神州云科发布了全新的云科容翼系列产品,同时云科通明湖信创系列产品也进行了全面的升级。
未来随着信创的加速,对于核心业务的切换也会提出更多要求,双轨超高可用架构是信创从无到有的第一步。神州云科将通过多层次、多解决方案的“组合拳”为客户夯实信创IT基础设施的“底座”增添助力。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
SEALQA是维吉尼亚理工大学研究团队开发的新型基准测试,旨在评估搜索增强型语言模型在面对矛盾、嘈杂或无用搜索结果时的推理能力。它包含三种测试:SEAL-0(极具挑战性的核心问题集)、SEAL-HARD(更广泛的困难问题集)和LONGSEAL(测试长上下文多文档推理)。研究发现,即使是前沿模型在这些测试中表现也很差,增加测试时计算资源往往不能带来可靠的性能提升,高级推理模型对嘈杂搜索结果特别敏感,模型在识别大量干扰文档中的相关信息时仍然困难重重。
这篇论文提出了"计划与预算"框架,解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考,复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础,将推理分解为子问题并根据不确定性分配计算资源。实验表明,该方法在不同任务上显著提高推理效率,令牌使用减少39%,E?指标提升187.5%,且能使小型模型达到大型模型的效率水平。