为了收集有关云计算开发和部署现状的见解,行业媒体与致力于开发部署到云计算的工具和服务的13家企业的15位高管进行了探讨与交流。
行业媒体采访了Built.io公司高级DevOps工程师Gaurav Purandare,Cloud Bees公司首席执行官兼创始人Sacha Labourey,Contrast安全公司的联合创始人兼首Jeff Williams,V.P.公司工程师Samer Fallouh,Dialexa公司高级工程师Andrew Turner。NuoD公司席技术官Seth Proctor等高管。
当行业媒体提出“开发人员在开发和部署到云时需要记住什么?”这些高管表示:
·开发人员应牢记,随着其基于云计算的软件开发和部署过程的加速,具有破坏性漏洞的入侵机会也在增加。开发人员应该确保他们在软件开发过程中不断进行安全评估。开发团队可能需要可以提供连续分析的现代IAST工具。为了防止攻击,开发团队还应考虑将RASP组件集成到其架构中。这些工具使Web应用程序和API能够保护自己免受攻击,即使这些代码托管在云中。
·1)在考虑在不同云计算中开发和部署之前,需要花费时间以了解细微差别。2)如果知道想使用一个特定的云和使用API或不可知的,请先思考再行动。建议了解其经济和技术问题。3)尝试学习一些脚本和部署环境,如Chef,Puppet和Ansible。4)了解运行的是否与容器模型配套。Docker已经使部署简单和可重复,了解如何在该环境中建模。了解空间中发生了什么,开发人员要从这个角度思考。
·重新发明轮子,如果开发人员希望做得更好,要考虑运行应用程序的依赖关系。从配置角度跟踪哪些更改可以顺利和成功部署。不要忘记其他依赖关系,其应用程序能够在任何环境中运行。
·了解业务需求和任务。了解如何影响业务的因素。要考虑什么云技术可以帮助开发人员解决问题。使用可用的功能来启用业务。如果开发人员向他们展示可能性,企业愿意体验转型。
·早期考虑动态基础架构和服务,例如对象存储,数据库,队列等。在这些例子中,人们开始将对象存储作为服务的关键部分。没有它,服务不会存在。有时云计算服务可以允许开发人员实施完全不同于其最初制定的系统,这些系统更加健壮和易于维护。
·由于技术发生迅速变化,开发人员有责任在其架构中找到适当的平衡点。不要继续实施“假设”情况,并使用可用的工具来改进手头的业务。不要完全抽象使用工具来开始在云中。
·并非所有的云解决方案都是一样的。编排和集合之间存在差异。复杂的应用程序,文件过程,数据库,流以及需要保留数据以进行长期存储。所有这些都可以在单个平台上使用,或者可以跨几个不同的平台进行编排。开发人员需要在幕后查看可以得到什么,考虑自己的需要。而其第一个应用程序并不是最后一个应用程序,其应用程序会随着时间的推移而增多。开发人员需要采取长期观点,实现更好的部署,并更快地实现更大的成功。了解数据对其正在构建的作用。使用临时数据很容易实施应用程序和微服务。对于必须安全,稳定和可扩展的大型数据集来说要困难得多。
·安全得到了巨大的关注。破解网站和应用更容易。企业的成本正在上升,数据丢失和转售的价值更大。企业需要从一开始就集成安全性。不要等到结束,以确保其代码或应用程序是安全的。
·由于应用或服务依赖于提供商,各种产品交织在一起,以了解性能和CX影响。开发人员需要了解如何决定何时采取整体责任,而不是将推卸责任给合作伙伴。具有最大客户满意度的企业正在承担整体责任。需要确定负责和设置其操作来履行什么样的承诺。
·它不应该改变很多开发人员。他们可以学习云计算架构,继续使用正确的进程,管道,安全性,性能和功能,这些不应该成为问题。
·需要知道云计算的基本原理。开发人员可能很善于编写代码,但也需要了解云计算。需要结合DevOps和开发人员谈论服务,故障点,可扩展性,以及独立构建服务的重要性,这些都必须扩展。
·选择一个提供更大灵活性的工具,以便开发人员可以自定义甚至适应不同的基础设施设置和环境。还要使用加密密钥来跟踪谁发出什么信息,以及多长时间来确保安全。
那么你认为开发人员在开发和部署到云计算时需要注意什么?
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。