11月21日,为期3天的第3届云原生技术实践峰会(CNBPS 2020)圆满结束。本届峰会首次采用线上+线下联动的方式,由6大云原生主题论坛、40+主题演讲组成,覆盖了完整的云原生技术栈,吸引了来自全球各地10000+IT技术精英、云原生技术爱好者和产业界人士的关注。
作为国内云原生领域的标杆会议之一,CNBPS2020聚焦云原生最佳实践,汇聚最新云原生技术趋势和最全云原生技术栈。6大主题论坛完整涵盖了云原生基础设施、云原生开发流程、云原生应用架构、云原生混合云、云原生数据服务和云原生技术实践等技术议题。众多来自一线的技术专家分享了各大技术栈在企业生产环境中的用例,以及实践过程中宝贵的经验和思考。大会的内容设计完美满足了联盟的初衷:一站式云原生技术交流平台,得到了与会开发者的高度评价。
AWS容器服务再推利器Fargate
在20日下午的混合云论坛上,AWS高级解决方案架构师张元涛分享了如何借力AWS容器服务,帮助企业实现云原生转型。张元涛指出,AWS基础设施遍布全球,提供的产品都是经过大量客户的长期使用、沉淀和打磨。在AWS提供的容器服务中,他重点介绍了AWS的两大编排工具:ECS和EKS。其中ECS是AWS自己研发的容器服务工具,能够跟AWS其他产品和组件高度集成。EKS则是AWS提供的托管Kubernetes服务,有很好的可靠性、安全性、可扩展性,如果你的应用基于Kubernetes开发,完全可以不做任何改动地跑在EKS上。
他还着重介绍了EKS Fargate无服务器化的容器服务,AWS Fargate是为容器按需提供大小合适的计算容量的技术,主要帮助企业在生产过程中运行容器、却无需部署或者管理服务器,换句话说就是专注设计和构建应用程序,使用Fargate服务之后,用户就不需亲手处理服务器以及基础架构方面的工作,也能做到快速推出和扩充容器应用,这个过程只需要根据自身使用服务的情况完成付费即可。
灵雀云云原生混合云实践
灵雀云资深研发工程师张晓东分享了多集群管理在灵雀云的实践,他重点介绍了灵雀云企业级云原生平台ACP从1.0到3.0的迭代历程,这种演进都是伴随客户场景需求的变化而发生的。随着K8s的普及,越来越多的K8s发行版面世,企业客户拥有越来越多的选择。他强调,无论客户的环境是自建集群、或者其他厂商的K8s集群,只要能够提供标准K8s,灵雀云的产品就能够接入进来,包括AWS的EKS和红帽的Openshift。
灵雀云产品完全基于云原生架构,各个功能基于K8s自身的扩展功能做了重新实现。比如联邦集群,灵雀云基于联邦集群V2进行了功能的封装,能够提供新的联邦功能。权限方面也是一个大的变化,客户可以基于同一token在灵雀云平台上做相关的API调用,也可以跳过灵雀云平台,直接对K8s层面进行API调用,整个调用过程权限保持一致。
伴随客户混合云需求的日益突出,灵雀云对混合云场景和需求上积累了丰富的经验,产品在混合云方面能够提供诸多支持。比如:在私有云场景下,能够纳管公有云服务上的Kubernetes集群。对于Kubernetes上生产的环境,提供审计功能,无论业务集群是什么类型,都能够查询自己的操作日志。
在CNBPS 2020上发布的ACP 3.0企业级全栈云原生平台,是基于K8s为核心的云原生技术,打造的新一代全栈私有云和混合云平台。ACP 3.0重视平台升级能力,将是一个不断迭代的产品,能够做到平台平滑升级,业务无感知,全平台易交付、自升级、免运维,基于ACP 3.0,客户可以享受到云原生整个技术生态的最新技术、理念和灵雀云的产品能力。
灵雀云ACP 3.0更加注重产品体验,注重产品的生命周期管理能力,支持更多的Kubernetes发行版,支持跨集群的网络通信,还提供中间件、数据服务等功能。后续还会有一些新的变化,包括部署方式、集群生命周期管理方式、对Kubernetes升级的支持、更强大的灾备能力等,让企业客户更加无忧地在生产环境中部署Kubernetes。
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。