CNET科技资讯网 4月27日 北京消息(文/齐丰润): 近期,在由创业技术联盟主办的“公有云实践沙龙”在中关村创业大街举行,活动现场,来自不同领域的技术大牛现身说法,为在场的创业者们带来了许多干货。
会上,来自爱大厨的CTO邢少甫便结合自己的经验,为创业者们在云服务的选择上给出了中肯的意见。他表示,“对于创业公司来说,服务器第一要省钱,第二要运行好,而云服务器在这方面的表现都非常不错,尤其对于创业公司来说,省时省力省钱的云服务是一个很好的选择。”
[video]uu=dfa091e731&vu=1211e011d2&auto_play=0&width=600&height=450[/video]
邢少甫演讲视频
感谢主持人,感谢至顶网!
我们爱大厨是一家厨师上门服务的O2O的公司,是2014年在北京成立的,目前覆盖了北、上、广、深,4个城市,它的主要业务是什么呢?比如说你想在家吃饭,温馨、干净、卫生,尤其像年夜饭,中秋节这种场景,情人节什么的,可以请一个厨师上门做饭,干净,卫生又有家的温馨。
目前的服务主打产品是四六八菜加上小套餐,还有私人定制,请亲朋好友在家里聚餐。还有一些比如说烧烤,烤串,烤翅,烤全羊,我们都可以提供。而且我们还有一些其他的服务,线下活动也有很多,目前还在开展一些2B的业务,比如说公司茶歇、公司的活动或者聚餐都可以使用我们的服务,希望大家可以下载我们的APP,预约我们的服务。
现在开始我们的正题,我们的主题叫做创业公司的(主机)使用之路,首先说一下创业这个事,我们在2014年创业的时候,做过一个叫做小跑的一个家政的O2O,但是那个项目失败了。做创业的时候就面临着很多问题,最大的问题就是资金问题,因为很多创业公司小伙伴们都以前是打工的,临时用自己的钱约三五个好友一起创业,花的都是自己的钱。对于大厨来说只有十万、二十万来做这件事,而且这个业务也不一定能成功,所以他们也有很大的风险。
我有好几个朋友也在做创业,他们做的有的是光伏产业,有的是洗衣产业。但是做创业这件事首先要离职,离职就花自己的钱,成功了就好,不成功你损失是很大的,就感觉是用自己的身家性命来做赌注,所以说创业公司面临最大的问题就是钱的问题。首先是员工少,以我们当时开发为例,写代码的、管服务器的、做前端的、做数据库的,只有一个人,那个人就是我,人非常少。我们要尽可能省钱,服务器也是要省钱的。
我以前公司里面做个人网站就要租一台服务器一年要5000块钱,而且只有3M的带宽,但是要做一个创业公司首先服务要保证流畅,这是5000块钱是远远解决不了这个问题的。但是你又想省钱,这就是第二个问题,之前说了这三个问题就摆在我们创业者面前。
我们现在主要说服务器的问题,服务器第一要省钱,第二要运行好,所以我们就选择了云服务,它可以按月或者是按秒来计费,所以说对于这个前途未卜的时候,前景不是特别光明的时候能省钱则省钱,而且它的性能比你自己是主机托管一台服务器还是要好的。
区别来看,一边是主机托管,我之前自己玩的时候,自己托管了一台服务器,那台服务器性能还不错,但是机房环境是很恶劣的,经常被人攻击,断电,网络不稳定,很多很多问题。另一边是云主机,比如说(移动云),它的稳定性、安全性都是我们感觉要远远超过我们自己来维护一下,所以说我们选择了云主机。
接下来具体说一下云主机的优势,它分8个方面,逐一来说一下。
稳定性,我之前做过一台服务器,比如说硬盘今天坏了,数据怎么办。内存坏了,服务器又跑到机房去换内存重启,反正是宕机时间恢复时间很长的,对云主机来说,完全就是可以忽略的一个状态,所以它的稳定性是非常好的。
安全性,我去维护那台服务器的时候,里边一万台服务器没人管,工作的机器都没人管,如果旁边有别人机器把他硬盘悄悄拔下来也没有人知道,如果你用云服务器就不会出现什么问题了。
私秘性,就是你可以悄悄偷看别人的数据,如果你用云的话这种概率就非常低了,当然是一种理想状态。
功能,各个云服务厂商提供了很多很多功能,比如说CDN、数据库、VPN等等,提供了各种各样的服务队列,我们开发中遇到的很多服务都提供,他们已经提供好服务了,你只要花很少的钱就可以使用。服务比较稳定,拿来即用,如果你自己托管的服务器就需要全部自己来做。
性能,最大的好处是它的带宽能保证,带宽完美超越了个人去托管的性能,它的CPU性能,内存和硬盘,内网通信也都是非常好的,我们的实验CPU和一般性,CPU性能只能说在实体75%左右,完全可以接受的。
易用性刚才也说到了,各种各样的服务你拿来即用,完全不用自己开发,只要按照他们接口来做就可以了。
可拓展性,这是很好的,比如说你今天1万PV,明天100万PV,后天1000万PV,你的增长是指数性的增长。对于云服务来说,增加一台服务器,增加一千台服务器,就是几分钟的事情,非常的方便。
费用方面,这是我们最关心的,也是能做到的最便宜的方式,按秒计费,按月计费,成功了咱可以买更多,失败了咱损失的钱更少。
我们目前用到的服务就是这几个服务,对于今天大会的主题来说就是云主机。其实我不说我们这个云主机的名字大家也能猜到是谁,我的宗旨就是不吹不黑,客观来评价这个东西。我这个人就是标准的IT宅人,口才不太好,实事求是地说,这个云服务器最简单了,我们目前用了10台左右,它的PV数特别高,目前是10多台服务器,用到了缓存、域名、IP、云盾、漏洞检测、安全拦截之类的东西。云监控就是监控体系,专用网络就是叫做私有网络,一个内网,里边有N台服务器、路由器,这个东西就是专网,可以把你的所有数据完全隔离在内网之中,能让整个地方的其他人访问。
它提供的CDN,阿里云的CDN也是非常靠谱的,性能、稳定性来说在国内都是非常不错的。快照可以备份,每天、每个月、每小时备份,都不会出问题,可以随时恢复也是很方便的。这些东西我们拿来即用,基本上不需要什么开发,不需要什么搭建,而且稳定性非常高的。但如果你自己搭一个,你的监控、内存够不够都自己考虑,如果你买一台他们提供的服务,这个就安全没有后顾之忧了。
下面说一说我们目前这10多台服务器,分为两部分,第一部分是阿里云的网络情况,第二部分是我们办公室的一台服务器,在上面建了很多虚拟机,它们是通过VPN来连接的。
阿里云这个网络中有一台服务器专门管VPN的,VPN对应的一个管理IP,我们的后台管理,运维管理都从这个来体现。对外的IP就是提供网站,或者API的IP,分为两个IP,这样安全性能更高。对外IP出来就是负载均衡,说这个负载均衡,它下面对应着很多台外部服务器,外部服务器又连接上数据库的负载均衡,数据库负载均衡,再连接上很多数据库,这个架构其实很常见的,也不算特别高级的。因为我们毕竟没有达到商业的水平,所以这种架构是很多创业公司初期都会选用的一个架构,比较简单而且高效,不需要特别高深的技术。
这是一个实例,还有很多的服务,单独的虚拟机、SDN,都是单独服务器。办公室网络用于一些工资、报销等等,其实是非常简单的。搭建这么一个东西,在阿里云上只要花费几天的时间就可以搭建好,这个费用其实是很低的,我们目前一个月大概是两万块钱。
备份,很多公司创业公司在开始的时候,其实我们也一样,开始的时候只专注了那些功能的开发,对于备份比较忽略。后来也做出了备份,对于我们的网站安全性又有进一步提升,阿里云提供快照这一个功能。刚才说办公室环境也是每小时在同步,实施备份,保证我的网站可以恢复到任意一个时间的节点,我也建议大家创业的时候一定要注重备份,所以在这单独说一声。
刚刚说了不吹不黑,刚刚说了它的好,再说说它的不好。对于安全性来说,这个完全取决于阿里云,阿里云自己管理得好,没有安全问题,但如果阿里云管理不好,它就会有问题。所以很多金融公司,对于选云的时候有很多顾虑,也有很多公司不愿意把服务器放到公有云上,这也是没法杜绝的问题。功能性上,我们还需要其他的一些阿里云没有提供的功能,而这些功能可能其他的云服务商都提供了,这也是一个问题。
性能之前也提到过,75%只是CPU的性能,硬盘为了公平对你的OTS是有限制的,所以一些硬盘访问比较高的可能就会有一些问题。这里边是有没列到的一些问题,我简单给大家列举一下,比如我们有一个中心,阿里云告诉我们病毒有漏洞,帮我们修复了一下,但是修复这个版本是5.6才能用,我们用的是5.53,所以就不能用了,这是遇见的一个问题,当然后来我自己恢复了就没有问题了。
还有它的一个问题,莫名其妙拦截了我们跟大众点评的一个访问,一个IP,时间越久这个IP,我们也觉得很奇怪,后来他们不知道怎么就解决了。
大概就是这样,如果大家有问题可以随时问我,谢谢。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。