CNET科技资讯网 2月8日 国际报道:微服务架构可能并不适合于所有企业。对于那些IT资源有限的小公司来说,微服务并不可行。对于那些遗留系统运行尚可的公司来说,可能不值得尝试将他们的系统分解为多个微服务。它甚至可能不适合于DevOps文化。
这个观点来自于Stripe工程师Susan Fowler,她同时也是“生产就绪的微服务”的作者,前Uber公司微服务团队的一名工程师。最近Fowler与InfoQ的Thomas Betts进行交谈,提出微服务项目的最佳候选者是那些遇到了可扩展性问题的公司。微服务可以帮助管理应用,在这些应用中“可扩展性方面的局限可导致服务器性能和稳定性的问题,无法在这个应用上进行任何工作,开发者速度显然也受到了影响”。
(巧合的是,另外一位Fowler——Martin Fowler早在2014年为微服务奠定了基础,包括对微服务进行定义:“微服务架构是一种把单一应用作为一套小型服务进行开发的方法,每个微服务都运行着它自己的进程,与轻量级机制——通常是HTTP资源API——进行通信”。)
对于很多组织机构来说,要想实现一个运行良好的微服务架构也许并不困难。“大多数系统并不是以考虑微服务架构而设计的,”Susan Fowler这样表示。因此,很多微服务最终被设计成了独立于孤岛环境,或者孤岛环境中的孤岛。
据Fowler的观察,微服务也不一定能与DevOps环境很好地融合。特别是在大型数据中心内,开发工作和运营工作显然是分离的。然而在微服务架构中,“会有数十个、数百个甚至数千个微服务,因此,许多微服务开发团队,以及这些团队中既是开发者又是运营工程师的工作人员可能从组织架构上来说都是没有意义的。”
但是,微服务架构也需要很好地适应所在的组织机构。在另外一篇博客文章中,Fowler主张采取一种四层方法:
硬件层:配置管理工具、数据据、服务器、主机层日志记录和监控、操作系统、资源隔离、资源抽象。
通信层:DNS端点、负载均衡、通讯、网络、远程过程调用、服务发现、服务注册。
应用层:部署管道、开发环境、微服务层日志记录和监控、自助服务式内部开发工具、测试、包、构建和发布工具。
微服务层:微服务。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。