
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
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。