通常用户在云上进行应用部署的时候,首先要考虑采用多少计算核心、多大内存、多高存储、多大带宽,然后在业务应用的时候还需要再反复的去进行调试。云计算"按需调配,自由扩展"的优势并不能很好的体现出来。那么在云上是否可以通过"智能调配 按需服务"的方式对云计算各项资源来自动进行分配呢?在3月29日Think in Cloud大会的专访中,UCloud应用创新部研发总监叶理灯先生向我们介绍了UCloud是如何通过Serverless架构来改变未来的。
UCloud应用创新部研发总监 叶理灯
功能即服务 减轻运维负担
通常,大家意识中的云计算,是按需付费的。但实际上目前云计算iaas平台,并非全都可以做到完全按需付费。还有很多是按照一个虚机一个虚机的进行扩容。这个时候就很容易出现,当扩出一个虚机之后,但是应用只用了一个虚机多一些,但是没有把两个虚机用满。这样的粗力度,对用户来讲是一种浪费,对于云计算提供商来讲,同样也是一种资源的浪费。
真正的按需付费,需要将计算力度放的更小,变成一个函数,来一个请求,拉起一个函数,算完了就将其销毁,这样就不占资源,自动统计应用了多少时间,精细的按需管理。这就是Ucloud通用计算解决方案--UCloud Serverless。
Serverless是一种用户无需关注底层资源的全新服务架构,UCloud的Serverless架构可以跟据用户功能代码请求量,智能的进行系统资源调配。例如某用户应用代码运行在PaaS平台上时,需要考虑服务的伸缩问题,手动来调节低层系统资源分配。而在采用UCloud Serverless架构的UGC上,可以根据用户功能代码的请求量,自动的实现服务伸缩和计算资源最优分配。从而有效减少用户系统资源运行维护的工作强度。
动与静相合 加速应用部署
UCloud Serverless架构是如何实现智能调配的呢,叶总监详细为向我们进行了讲解。在UCloud的UGC上首先借助Docker细粒度、轻量级的技术优势,将计算资源做服务化打包。然后将Docker运行在VM集群中统一调度管理。UGC通过这种动静结合的方式,既满足了用户细粒度资源调用的应用需求,又可以提供高等级的隔离管理能力。
Docker+VM不能算是很新的技术形式,甚至一些对云计算开源系统有效多研究的企业用户,也可以对此进行搭建。但是当云计算系统规模庞大到一定程度后,开源系统在网络管理、资源调度等方面的不足就开始显现出来了。UCloud的UGC又可以为用户提供多高的计算能力呢?叶总监的答案是十万核级。通过如此高并且可以灵活调配的计算能力,结合UCloud的单文件最大支持5TB的UFILE对象存储,可以轻松实现每天1600万的图片处理,每张图片2~3秒就可处理完毕。以及通过高并发的处理方式,高效率的满足OCR业务应用需求。
虽然十万核级的规模部署还只是UCloud的"一面之词",目前尚无更进一步的数据可以分析这"十万核级"可以为用户带来多高的应用处理性能。但是大规模细粒度的云计算应用部署,已经是云计算由"技术"向"产品"转变的一个具体表现。未来至顶网也将会更加深入的对UCloud的Serverless架构进行了解,从功能和应用性能方面,将UCloud的云计算技术解决方案更加深度全面的进行展示。
好文章,需要你的鼓励
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。
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。
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。