9月22日,2017中国移动互联网大会暨中国首席技术官大会在杭州举行。众多业界技术领袖参与了此次盛会,就互联网时代的IT技术研发挑战和应对策略进行了探讨。网易技术委员会资深专家委员徐杭生在会议上发表演讲,认为移动互联网为即时通讯技术的研发带来了压力,网易云将以稳定性和易用性为目标,聚焦用户需求,强化私有云的定制化服务,以网易云通信与视频为依托,帮助用户更好的应对即时通讯技术开发的挑战。
网易技术委员会资深专家委员徐杭生现场发表演讲
伴随着移动互联网深度渗透入人们的日常生活,即时通讯已成为各类应用场景中的必要功能,这为本身不聚焦即时通讯业务的应用平台带来了研发上的挑战。例如,弱网连接、高并发、业务复杂是移动时代的常态,由此带来的连接管理、业务协议规划和高并发应对是极大的技术难点。对应用平台而言,如要完成一整套即时通讯功能的开发和部署,面临技术难度大、开发周期长、业务细节多和维护复杂度高等压力。
云服务平台的兴起为应用平台的即时通讯研发带来了便利。徐杭生介绍说,当下,即时通讯的研发痛点在于稳定性和易用性,而云服务的优势在于网络覆盖广、资源调度灵活、开发便捷等,为应用平台快捷研发即时通讯功能提供了路径。网易深耕即时通讯近二十载,深刻理解行业对即时通讯研发需求的变迁和开发难点,针对稳定和易用性,网易云踏出了一条独有的道路。
在稳定性方面,网易云基于公有云服务模式,通过快速扩容和资源隔离,帮助用户应对 “尖峰时刻”。例如,依托蜂巢容器技术,网易云在监测到容量接近监控水位线时,会根据预案做到分钟级扩容,迅速扩大集群处理能力。资源隔离主要靠业务的分层模式实现,当有资源入侵时,网易云可将入侵资源做隔离性调度,以确保每个业务单云不受干扰。
“多元化、场景化的即时通讯研发需求日渐高涨,私有云定制化的服务模式势在必行,这正是网易云践行即时通讯技术研发便捷性和易用性的重要方向。”徐杭生介绍说。为此,网易云推出了“重量级”和“轻量级”两个解决方案。网易云通过蜂巢一体化的“重量级”解决方案,为用户提供了精简版本的蜂巢、完整的基础设施等,赋予需要一整套即时通讯解决方案的大中型企业强大的定制开发能力。同时,网易云也提供了“轻量级”的轻量开源化解决方案,从节省用户资源和成本角度出发,以更好的适配性,帮助中小企业基于自身的开发环境,做到一键部署、快速开发和标准化交付。
在产品端,网易云通信与视频已实现战略性升级,将为用户提供为用户提供场景化、稳定性、高可用、易扩展和私有云的高等级定制化的即时通讯云服务,从而将网易云坚持的稳定易用的价值观落地。
首先,基于网易云的公有云底层技术,网易云通信与视频从提升用户连接效率入手,使即时性、多元化场景下的沟通稳定性更强。同时,网易云通信与视频将深耕教育、电商、物流等多元化垂直行业,通过易用、高扩展解决方案赋能产业升级。再者,网易云通信与视频业务还将通过高等级的私有云定制化服务模式,为用户提供基于蜂巢的一体化的即时通讯解决方案。对于整体方案布局完成的用户,网易云通信与视频还可以基于用户的需求,给出轻量级的开发解决方案,例如,提供网易公有云没有的接口。
“作为为应用平台即时通讯技术开发和部署提供便捷途径的云平台,网易云聚焦稳定性和易用性,通过强化私有云定制化的服务来满足不同用户的需求,而这正是网易云作为即时通讯领域的老兵的竞争优势所在。”徐杭生说。未来,网易云通信与视频作为网易云即时通讯底层技术的承载产品,将以多场景、稳定性、高可用的E=MC²价值观为服务准则,以“万维计划”为持续耕耘市场和服务用户的行动目标,将稳定性和易用性贯彻到底。
好文章,需要你的鼓励
AI数据训练师负责确保AI模型训练数据的准确性和可行性,是薪酬丰厚的热门职业。两项新研究显示,该职位年收入在6.5万至18万美元之间,专业领域专家薪酬更高。这一角色已从简单的数据标记发展为高度专业化的认知工作,需要细致的推理能力、深厚的专业知识和多语言能力。随着生成式AI工具兴起,行业正从普通工作者转向专业领域专家,计算机科学学位非必需,但数据标注经验有帮助。
延世大学研究团队开发出FlowBlending视频生成加速技术,通过智能分配大小模型的工作阶段,在保持视频质量不变的前提下将生成速度提升65%。该技术发现视频生成过程中只有开头和结尾阶段需要大模型,中间阶段可用小模型替代,实现了效率与质量的完美平衡,且可与现有技术无缝集成。
Rust资深开发者Steve Klabnik在AI助手Claude的帮助下设计了新的系统编程语言Rue。该语言旨在提供无垃圾回收的内存安全保障,同时比Rust和Zig提供更高级的易用性。Klabnik表示,通过与Claude合作,两周内完成了7万行Rust代码,远超此前独自开发的进度。Claude参与了大部分代码编写工作,而Klabnik负责方向指导和设计决策,展现了AI在编程语言开发中的巨大潜力。
斯坦福大学研究团队开发的Dream2Flow系统通过让机器人观看AI生成的演示视频来学习操作技能。系统提取视频中物体的3D运动轨迹作为指导,让机器人能够零样本完成多种日常任务,包括移动物品、开关门窗等操作,在真实环境测试中取得了最高80%的成功率。