Table des matières
Les points faibles des opérations numériques sous la vague de la transformation numérique
Parcours technique typique des entreprises vers une exploitation et une maintenance intelligentes
1. Qu'est-ce que l'exploitation et la maintenance intelligentes
2. Qu'est-ce que l'observabilité
Pourquoi avez-vous besoin d'observabilité ?
3. Deux voies techniques typiques permettant aux entreprises de mener à une exploitation et une maintenance intelligentes de l'AIOps
Différences dans la mise en œuvre technique :
Comment les entreprises décident-elles de choisir la voie technologique qui leur convient ?
Regardez aux différences entre les deux voies techniques du processus de traitement des données :
Résumé
L'AIOps endogène contribue à simplifier l'exploitation et la maintenance natives du cloud
2. Créer une automatisation continue
3. Construire une carte de relations matricielles en temps réel
4. Analyse de l'impact des sorties en temps réel
5. Pointez la cause profonde et soyez témoin des résultats
​" >
Présentation de l'invité" >Présentation de l'invité
Maison Périphériques technologiques IA Comment simplifier les opérations et la maintenance cloud natives

Comment simplifier les opérations et la maintenance cloud natives

Apr 08, 2023 pm 08:31 PM
人工智能 运维 云原生

Le cloud computing apporte non seulement intensification, efficacité, flexibilité et agilité commerciale, mais il pose également des défis sans précédent en matière d'exploitation et de maintenance du cloud. Comment relever les défis des nouvelles tendances technologiques, créer une plate-forme de surveillance intelligente pour l'ère du cloud et fournir une meilleure protection des applications cloud est un problème difficile auquel chaque entreprise est aujourd'hui confrontée.

Dans le récent huitième numéro de la série d'événements [T·Talk], le centre de contenu 51CTO a spécialement invité Zhang Huaipeng, vice-président de Chengyun Products, dans la salle de diffusion en direct pour partager son expérience et ses réflexions sur la création d'un outil d'observation numérique. à l’ère du cloud. [T·Talk] a également compilé le contenu passionnant de ce numéro, et j'espère que vous pourrez en tirer quelque chose :

Les points faibles des opérations numériques sous la vague de la transformation numérique

Transformation numérique et la construction d'une économie numérique sont les tendances actuelles. Tendance majeure de l'époque, la transformation numérique peut être considérée comme la quatrième révolution industrielle de l'histoire de l'humanité. Nos méthodes de travail quotidiennes, nos méthodes de paiement, nos méthodes d'achat, y compris nos méthodes de déplacement, sont toutes affectées à tout moment par la numérisation. Pour faire simple, nous sommes désormais entrés dans l’ère de la DT numérique après l’ère informatique traditionnelle.

À l'ère du DT numérique, la transformation numérique a presque redéfini le métier actuel des entreprises et la manière de vivre l'expérience commerciale. Cependant, à mesure que la transformation numérique de diverses industries continue de s'approfondir, de plus en plus d'accidents d'applications numériques ont commencé à apparaître progressivement. Par exemple, l'effondrement du code de la santé et les anomalies du système de test d'acide nucléique dans une certaine province ou ville au début de l'année ont eu un impact énorme sur la société.

Comment simplifier les opérations et la maintenance cloud natives


Selon une enquête, 60 % des PDG estiment actuellement que la transformation numérique est très importante, et les entreprises font également de grands progrès vers la transformation numérique et l'évolution de l'intelligence artificielle sous la direction de ce groupe. de personnes. Cependant, à l’opposé, 95 % des applications d’entreprise n’ont pas fait l’objet d’une surveillance et d’une attention efficaces.

La plupart des méthodes d'exploitation numériques actuelles ont été produites à l'ère des centres de données traditionnels, et un grand nombre d'outils ou de technologies ne prenaient pas en compte le scénario du cloud computing. Avec la popularisation du cloud computing, le scénario de l'informatisation a subi des changements bouleversants. La complexité de l'application elle-même a explosé, avec de plus en plus de distributions, des dépendances de plus en plus complexes et le rythme des itérations logicielles de plus en plus rapide. Dans un tel scénario, les entreprises doivent de toute urgence créer un ensemble de solutions basées sur les flux commerciaux et de données pour l’ère DT.

L'ère DT a produit trop de nouvelles technologies et de nouveaux scénarios, comme le cloud natif, qui est actuellement très populaire. Les exigences du cloud natif ont accéléré l'évolution de l'exploitation et de la maintenance traditionnelles à l'exploitation et à la maintenance des applications. Il existe une grande quantité d'infrastructures dans les scénarios traditionnels, mais à mesure que les entreprises migrent vers le cloud, l'infrastructure sera hébergée par des opérateurs ou des opérateurs. Les entreprises n'auront plus besoin de fournir une gestion traditionnelle de la salle informatique, une gestion actuelle faible, une surveillance du matériel, une surveillance sans système d'exploitation. et configuration de l'onduleur. Problèmes d'électricité, de température et d'humidité. Par conséquent, l'exploitation et la maintenance traditionnelles des équipements ont évolué vers une exploitation et une maintenance axées sur la fiabilité des sites, et les entreprises investiront de moins en moins dans l'exploitation et la maintenance traditionnelles.

Comment simplifier les opérations et la maintenance cloud natives


Actuellement, nous sommes en phase de transformation vers une exploitation et une maintenance intelligentes. Ce qu’il faut faire maintenant, c’est rendre l’exploitation et la maintenance numériques ainsi que l’exploitation et la maintenance informatiques plus légères, plus rapides et moins coûteuses. L'énergie de l'équipe d'exploitation et de maintenance doit être concentrée sur les activités de l'entreprise elle-même, et les affaires sont la question clé à laquelle le personnel d'exploitation et de maintenance doit prêter attention. Cela entraînera une demande d’exploitation et de maintenance intelligentes.


Parcours technique typique des entreprises vers une exploitation et une maintenance intelligentes

1. Qu'est-ce que l'exploitation et la maintenance intelligentes

Concernant l'exploitation et la maintenance intelligentes, Forrester et Gartner l'ont défini dans des rapports : AIOps est un ensemble d'IA. les opérations et la science des données appliquées aux domaines de données commerciales et opérationnelles pour créer des corrélations et des systèmes logiciels capables de fournir des réponses prescriptives et prédictives en temps réel. L’AIOps peut être un système logiciel, il peut donc s’agir d’un produit implémenté. L'AIOps peut améliorer et remplacer partiellement les principales fonctions traditionnelles d'exploitation et de maintenance informatique, notamment la surveillance de la disponibilité et des performances, la corrélation et l'analyse des événements, la gestion et l'automatisation des services informatiques.

AIOps est orienté vers les opérations. Les opérations doivent couvrir les trois aspects de l'observation, de la gestion et de l'élimination. Cependant, le niveau global actuel de l'industrie est davantage axé sur le niveau d'observation. Forrester a également fait une déclaration classique à ce sujet : l'AIOps promet une observabilité et une stabilité plus fortes.

Forrester estime que l'une des valeurs fondamentales de l'AIOps actuelle est d'améliorer les capacités pré-événement, d'améliorer et d'étendre vos capacités observables.

2. Qu'est-ce que l'observabilité

L'observabilité est née pour la première fois dans la théorie du contrôle, qui fait référence à la mesure dans laquelle un système peut déduire son état interne à partir d'une sortie externe. Dans le domaine informatique, Gartner définit l'observabilité comme une caractéristique des logiciels et des systèmes. Plus précisément, cela fait référence à la capacité de déterminer l'état actuel du système et les conditions du système sur la base des données télémétriques générées par le système. Cette capacité est l'observabilité ou l'observabilité.

Comment simplifier les opérations et la maintenance cloud natives


Pourquoi avez-vous besoin d'observabilité ?

Les technologies et outils de surveillance traditionnels sont difficiles à suivre les chemins de communication et les dépendances dans l'architecture actuelle de plus en plus distribuée. Dans les scénarios cloud natifs ou cloud, les dépendances sont très complexes et ne sont plus aussi complexes que les applications de nombreuses architectures monolithiques traditionnelles. sont les mêmes. L'observabilité peut mieux contrôler les systèmes complexes. Grâce aux trois piliers de données de l'observabilité, nous pouvons comprendre tous les aspects des systèmes complexes de manière très intuitive et détaillée.

L'observabilité sert non seulement aux opérations et à la maintenance, mais sert également au service de développement, au service SRE, au service Support, au service marketing et au service commercial. Par conséquent, si nous pouvons intégrer l’AIOps et l’observabilité pour créer une plate-forme intégrée, nous obtiendrons un produit très parfait qui pourra faire d’une pierre deux coups.

3. Deux voies techniques typiques permettant aux entreprises de mener à une exploitation et une maintenance intelligentes de l'AIOps

Les deux voies techniques typiques permettant aux entreprises de mener une exploitation et une maintenance intelligentes de l'informatique peuvent être résumées de manière frappante comme « plug-in AIOps » et « AIOps endogènes". Le plug-in AIOps implante la plateforme AIOps dans l’environnement d’exploitation et de maintenance informatique de l’entreprise via un contournement. AIOps est une plate-forme d'algorithmes indépendante qui accède aux données hétérogènes de l'entreprise, puis utilise des ingénieurs de données pour trier les dépendances entre les données et utiliser la technologie de traitement du Big Data pour réaliser une livraison basée sur des projets.

Comment simplifier les opérations et la maintenance cloud natives


L'AIOps endogène met l'accent sur un parcours technique intégré Grâce au moteur AIOps endogène, une boucle fermée de l'ensemble du processus de traitement des données peut être réalisée sans la participation d'ingénieurs de données. Semblable au processus de livraison express, les articles de l’expéditeur sont équivalents à des données. Après avoir obtenu les données, le coursier effectuera l'emballage, l'entreposage, l'expédition, le transport et d'autres opérations. Mais en fin de compte, le destinataire reçoit l’article et toutes les étapes de traitement intermédiaires n’ont pas besoin d’être gérées par l’expéditeur et le destinataire. L’AIOps endogène met l’accent sur cette capacité et intègre les capacités de l’IA dans une plateforme d’observation intégrée.

Différences dans la mise en œuvre technique :

Plug-in AIOps utilise généralement l'IA d'apprentissage automatique traditionnelle. Cette technologie est essentiellement une méthode statistique qui corrèle et analyse les informations métriques, journaux, événements et autres, visant à réduire le risque d'alarmes. bruit. Grâce à l’IA d’apprentissage automatique, nous pouvons obtenir un ensemble d’alertes corrélées. Par conséquent, cela nécessite un certain temps. De manière générale, le plug-in AIOps nécessite un travail manuel ou des enregistrements historiques pour parvenir à une recommandation ou à une cause première possible.

Dans le même temps, les plug-ins AIOps nécessitent une grande dépendance aux données externes, et les fabricants de plug-ins AIOps ne créent généralement que des plates-formes d'algorithmes. Le nettoyage des données, les dépendances entre les entités CMDB, etc. nécessitent tous des données externes. Par conséquent, si vous souhaitez implémenter le plug-in AIOps, vous devez disposer d'un système d'exploitation et de maintenance des informations très mature. Vous devez avoir les prérequis pour appeler des données, disposer de produits APM et avoir une observabilité relativement complète avant de pouvoir implémenter le plug-in. dans AIOps.

L'AIOps endogène fournit une analyse déterministe de l'intelligence artificielle, en prenant comme objectif les résultats de l'analyse déterministe, c'est-à-dire qu'une fois qu'un problème survient, la cause profonde du problème est déterministe et il s'agit d'un résultat en temps quasi réel. L'AIOps endogène maintient une carte de dépendance matricielle avec des performances en temps réel très élevées. Cette technologie n'a pas besoin de s'appuyer sur la CMDB statique traditionnelle. Au lieu de cela, la carte de dépendance elle-même est équivalente à une CMDB en temps réel, qui peut intégrer les dépendances. les changements en temps réel et l'analyse de la gestion est réalisée à l'aide de relations endogènes.

Comment les entreprises décident-elles de choisir la voie technologique qui leur convient ?

Au niveau de la mise en œuvre de l'AIOps, les entreprises doivent également prendre en compte de nombreux problèmes. Du point de vue des chefs d'entreprise, outre les questions fondamentales telles que le coût et l'équipe, il est également nécessaire de considérer l'équilibre entre les différents départements, ainsi que l'équilibre entre coût, stabilité et efficacité. L’objectif de l’AIOps est non seulement de résoudre les problèmes, mais aussi de les résoudre de manière raisonnable. Tout en garantissant les coûts, nous pouvons maximiser la stabilité et l’efficacité de notre entreprise.


Comment simplifier les opérations et la maintenance cloud natives

a mentionné dans un rapport Forrester que les entreprises doivent prendre en compte les capacités clés suivantes lors de la mise en œuvre de l'AIOps :

  • La chaîne peut-elle être transparente ly intégrée et si elle peut atteindre un haut degré d'automatisation
  • La plate-forme AIOps attache une grande importance aux données natives. Les données natives incluent les dépendances natives du cloud et les informations sur les données machine natives du cloud
  • Dépendances à service complet Automatisation des cartes et construction de panoramas
  • L'avenir de l'AIOps réside dans la mise en œuvre d'une perception et d'une automatisation intelligentes des observations
  • Le degré d'automatisation de l'analyse des causes profondes et des plans de remédiation des incidents
  • Les opérations technologiques modernes nécessitent une intelligence et une automatisation

Regardez aux différences entre les deux voies techniques du processus de traitement des données :

La plate-forme AIOps traditionnelle, c'est-à-dire la plate-forme plug-in AIOps, utilisera de nombreux outils pour reconstituer et assembler pendant le processus de traitement des données, créant ainsi un ensemble fragile du système Big Data. En cas de changement de personnel, il est probable que le nouveau transfert se soldera par une dette technique importante.

La première étape de la collecte de données nécessite de s'appuyer sur un grand nombre d'outils open source et commerciaux. La deuxième étape consiste à injecter les données dans la plateforme big data. La troisième étape consiste à trier manuellement les relations entre les données et à nettoyer les données. Les trois premières étapes prennent beaucoup de temps. La quatrième étape consiste à découvrir et à localiser les problèmes. Ce n'est qu'à cette étape que les fournisseurs d'AIOps seront impliqués. L'équipe du fournisseur doit être stationnée sur le site du client pour répondre à la demande. Les fabricants se renseigneront sur les besoins et fourniront les services correspondants. Cinquièmement, créez un tableau de bord. Sixièmement, l'expansion du système. À mesure que l'échelle du système d'application augmente, l'ensemble du système croît de manière linéaire.


Comment simplifier les opérations et la maintenance cloud natives


Pendant l'ensemble du processus, les ingénieurs de données doivent consacrer près de 80 % de leur temps à nettoyer, collecter et organiser les données. L'ensemble de la solution nécessite des talents d'exploitation et de maintenance de pointe, tant dans le domaine de l'exploitation que de la maintenance. en termes d'exploitation et de maintenance. Les experts de Dimension doivent également comprendre les algorithmes et le développement. L'AIOps lui-même est un système de support utilisé pour résoudre des problèmes, mais le plug-in AIOps est susceptible de rendre l'exploitation et la maintenance plus lourdes, nécessitant une équipe dédiée pour maintenir la plate-forme AIOps elle-même.

Le processus de traitement des données de l'AIOps endogène est très simple et un seul outil peut résoudre le problème de la collecte de données. Et comme il s’agit d’un produit hautement commercialisé, il dispose de fonctionnalités de tableau de bord prêtes à l’emploi, y compris les moteurs. Par conséquent, les procédures de traitement ultérieures sont toutes des boîtes noires et n'exigent pas que l'entreprise y prête trop d'attention, et les ingénieurs d'affaires n'ont pas non plus besoin de comprendre l'algorithme et d'avoir le niveau technique du SRE.

Comment simplifier les opérations et la maintenance cloud natives


Dans le même temps, l’AIOps endogène connaîtra une croissance non linéaire à mesure que l’échelle des systèmes d’entreprise s’étendra. L'ensemble du système, y compris l'équipe d'utilisateurs et le produit, connaît une croissance non linéaire. Une fois l’ensemble de la solution défini, l’entreprise n’a plus qu’à installer un seul agent et la plupart des fonctionnalités ultérieures seront automatisées. Cela permet au personnel d'exploitation et de maintenance de l'entreprise de se concentrer sur ses propres activités.

Résumé :

L'industrie a besoin d'une nouvelle génération de plateforme d'intelligence logicielle capable de couvrir entièrement l'ensemble du processus de traitement des données. Fournissez directement les résultats souhaités par vos clients, plutôt que de présenter des données brutes. En général, parmi les deux voies techniques de l'AIOps plug-in et de l'AIOps endogène, il est plus recommandé aux entreprises d'utiliser l'AIOps endogène, qui appartient à un nouveau paradigme d'exploitation et de maintenance intelligentes.

L'AIOps endogène contribue à simplifier l'exploitation et la maintenance natives du cloud

L'objectif de la plateforme AIOps endogène est de créer une plateforme intégrée qui intègre l'AIOps et l'observabilité. Cela nécessite des capacités d'observation, et les capacités d'observation doivent être centrées sur la surveillance des applications. La surveillance des applications est la couche de phénomènes à laquelle sont confrontés les utilisateurs finaux. Dans le même temps, la surveillance des infrastructures doit être intégrée, y compris la surveillance des plateformes cloud et la surveillance des boîtes noires. Enfin, vous devez également avoir la capacité de fournir une expérience numérique frontale.

La nouvelle plateforme AIOps doit créer une automatisation continue, de l'accès aux données à la sortie des résultats des données. Il est nécessaire d’avoir des capacités préalables et la capacité de prédire et d’avertir.

La nouvelle plate-forme AIOps doit fournir une observabilité de haut niveau. Elle ne se contente pas de montrer les données originales et les pièces originales à l'entreprise, mais prête également attention au phénomène, à l'expérience et donne des résultats précis, afin de réduire les coûts. autant que possible L'impact et les interférences causés par le bruit massif sur les entreprises.

Le modèle de traitement des données de l'AIOps endogène présente de nombreuses différences, comme l'accent mis sur la capacité d'un Agent dans la collecte de données. En termes de traitement des données, nous mettons l'accent sur le système d'indicateurs. La construction du système d'indicateurs est différente de la méthode traditionnelle. Nous soulignons que l'AIOps endogène est endogène à la plateforme intégrée.


Comment simplifier les opérations et la maintenance cloud natives


La plateforme endogène AIOps contribuera principalement à simplifier l'exploitation et la maintenance cloud natives sous les cinq aspects suivants :

  • La plateforme endogène AIOps peut obtenir directement des observations de haute qualité.
  • peut créer des capacités d'automatisation continue, et pour l'exploitation et la maintenance, l'efficacité du travail sera plus élevée
  • La plate-forme peut créer une topologie matricielle en temps réel et la recherche par image
  • peut produire instantanément une analyse d'impact
  • Pointez la cause profonde et observez les résultats
1. Obtenez directement des données d'observation de haute qualité

Tout d'abord, obtenez directement des données de surveillance de haute qualité. Un résumé classique est que « des observations de haute qualité proviennent d'une télémétrie de haute qualité ». Une analyse back-end de haute qualité doit nécessiter la génération de données de télémétrie frontale de haute qualité. L'observabilité se concentre sur trois piliers. Si vous souhaitez effectuer une observabilité de haut niveau et une analyse AIOps endogène, vous avez besoin de cinq piliers en plus des données de suivi, des indicateurs et des données de journalisation traditionnelles, vous avez également besoin de données de topologie et de données de code très critiques. la qualité des données peut déterminer directement la limite supérieure du modèle.

Obtenez directement des données de surveillance de haute qualité. Ces données doivent être collectées de manière non intrusive et automatique sans modifier le code source, l'activité et les applications, et peuvent réaliser la combinaison d'informations contextuelles et d'automatisation. Les informations contextuelles peuvent aider à réaliser une véritable analyse des causes profondes, aider l'analyse des causes profondes à extraire des informations de base haute fidélité et aider la plate-forme à créer des diagrammes de flux de services et des diagrammes de topologie en temps réel pour identifier les dépendances. Y compris la technologie de topologie relationnelle de type matriciel, ces informations contextuelles sont également très critiques.

Le diagramme de topologie montre principalement les dépendances de l'ensemble de l'environnement d'application, y compris les piles verticales et les piles horizontales. Le diagramme de flux de services fournit une vue de l'ensemble de la transaction du point de vue d'un service ou d'une demande. Grâce au diagramme de flux de services et au diagramme de topologie, la séquence d'appels entre les services peut être expliquée. Le diagramme de flux de services montre l'intégralité de la séquence distribuée de transactions, qui est ordonnée, tandis que le diagramme de topologie est une abstraction de niveau supérieur, montrant les dépendances, etc.

Comment simplifier les opérations et la maintenance cloud natives


Obtenir directement des relations de surveillance de haute qualité nécessite l'utilisation de la technologie des agents commerciaux Bien qu'il existe de nombreux outils open source ou gratuits sur le marché, la technologie des agents commerciaux présente les avantages suivants que plusieurs open source. les outils sources n'en ont pas.

  • La stabilité, la sécurité et la fiabilité des sondes proxy collectées sont garanties
  • L'impact des sondes sur l'hôte, la surcharge des ressources et les performances du cœur de métier est garanti
  • Déploiement et instrumentation, y compris changements, peut utiliser moins d'opérations manuelles
  • La surveillance peut être automatiquement implantée dans ces composants de méthodes dynamiques ou de classes de conteneurs
  • Divers échantillonnages d'indicateurs sont très bien, la haute fidélité native
  • en a assez Les informations et le contexte sont disponibles pour créer un modèle de données unifié

Les avantages ci-dessus ne sont pas disponibles dans de nombreux outils gratuits. La plate-forme AIOps endogène s'appuie sur la technologie One Agent. Agent a une conception informatique de pointe et effectue de nombreuses agrégations et nettoyages de données sur les points de terminaison périphériques.

2. Créer une automatisation continue

La capacité de la plate-forme AIOps endogène est conçue pour créer une automatisation continue. La surveillance d’environnements cloud natifs complexes nécessite une automatisation. Y compris le déploiement automatisé, l'adaptation automatisée, la découverte automatisée, la surveillance, l'injection, le nettoyage et une série d'automatisations. Dans un environnement cloud natif complexe, il est difficile de comprendre manuellement ces activités de bout en bout. Un degré élevé de capacités d'automatisation est donc nécessaire en tant qu'outils auxiliaires pour faciliter l'exploitation et la maintenance automatiques.

3. Construire une carte de relations matricielles en temps réel

La plate-forme AIOps endogène peut construire une topologie matricielle en temps réel. Vous pouvez effectuer une recherche selon le dessin et voir la direction horizontale dans le dessin, comme le diagramme de dépendances de la couche de service, ainsi que la couche conteneur, la couche hôte, le niveau de processus, etc. La direction verticale correspond au conteneur sur lequel le service s'exécute, au processus auquel ce conteneur correspond et à l'hôte cloud sur lequel ce processus tombe.

4. Analyse de l'impact des sorties en temps réel

L'analyse de l'impact des sorties est équivalente à la réflexion sur la sécurité du réseau, et il en va de même en matière d'exploitation et de maintenance. Lorsqu'une panne ou une anomalie du système se produit, quels sont ses domaines d'impact, quels utilisateurs, services et applications seront affectés et quelles en sont les causes profondes. Grâce à des moyens et à des technologies automatisés, les résultats sont transmis aux utilisateurs sans qu'il soit nécessaire d'effectuer une analyse manuelle par le personnel d'exploitation et de maintenance.


Comment simplifier les opérations et la maintenance cloud natives


5. Pointez la cause profonde et soyez témoin des résultats

Enfin, la capacité très importante de l'exploitation et de la maintenance automatisées est de pointer la cause profonde et d'être témoin des résultats . Les technologies traditionnelles nécessitent différentes méthodes basées sur la base de connaissances, la CMDB et l'inférence causale, tandis que l'AIOps fournit un positionnement endogène des causes profondes. Il peut ouvrir des dépendances de données. Outre les dépendances entre objets, il peut également ouvrir les dépendances entre différents types de données, telles que les dépendances entre les chaînes d'appels, les journaux et les indicateurs. Il fournit une localisation en temps réel des causes profondes, est hautement adaptable, présente une faible surcharge et une très grande précision. Il dispose également d’une technologie non supervisée et ne nécessite pas trop d’assistance manuelle pour réaliser ces capacités.

Résumé

Si une entreprise veut réussir sa transformation numérique, elle doit s'assurer que toutes les applications, services numériques et plates-formes multi-cloud dynamiques qui soutiennent son fonctionnement peuvent fonctionner parfaitement, et cela doit être fait à chaque instant.

Ces technologies cloud natives hautement dynamiques et distribuées sont complètement différentes des scénarios traditionnels. En conséquence, la complexité provoquée par les microservices, les conteneurs et l’infrastructure cloud définie par logiciel devient désormais incontrôlable. Ces complexités dépassent les limites des capacités de gestion d’équipe et continuent de croître. Si vous souhaitez comprendre à tout moment tout ce qui se passe dans ces environnements en évolution rapide, vous devez améliorer votre observabilité et vos capacités d’exploitation et de maintenance intelligentes.

Nous devons utiliser un haut degré d'automatisation et de technologie intelligente pour rendre l'exploitation et la maintenance natives du cloud plus légères, plus rapides et moins coûteuses, de sorte que l'énergie de l'équipe de l'entreprise doit se concentrer sur les activités de l'entreprise elle-même, et véritablement Avancez. Vers l’ère de l’exploitation et de la maintenance intelligentes.

Présentation de l'invité

Zhang Huaipeng, vice-président des produits Chengyun. A rejoint Hangzhou Chengyun Digital Technology Co., Ltd. en 2017 et est responsable de la gestion quotidienne de la gamme de produits [Observation intégrée DataBuff et fonctionnement et maintenance intelligents] Il est responsable de l'équipe de développement de produits intégrés IPD et participe au marché. gestion, analyse de la demande, collaboration en équipe, structuration des processus et contrôle qualité, etc.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
2 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Repo: Comment relancer ses coéquipiers
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Comment obtenir des graines géantes
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Combien de temps faut-il pour battre Split Fiction?
3 Il y a quelques semaines By DDD

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc. SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc. Aug 01, 2024 pm 09:40 PM

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

See all articles