2020年7月21日,由阿里云20+位云原生技术专家共同编撰的《云原生架构白皮书》正式对外发布。作为业界第一本全方位构建云原生架构规划与实践全景图的白皮书,本书在详细阐述云原生架构定义的同时,完整展示云原生架构应用所需的演进路径与设计规则,旨在帮助企业更好地理解与应用云原生架构,助力企业数字化转型升级。
阿里云智能基础产品事业部高级研究员蒋江伟表示,“阿里云原生架构经验来自于过去数年实际场景的积累,这些经验可以帮助不同企业系统化解决所面挑战,在本书的加持下,企业可以更大幅度的提升架构灵活性,降低大流量型业务的研发成本和技术门槛,也让架构具备更高的可用性。”面对“如何将云技术更好地跟各行业业务相结合”这一难题,阿里云在总结自身实践经验的同时,积极与各行业架构师、开发者共同探讨、提炼更加贴合行业场景,满足业务所需的云原生架构。在本书筹备期间,阿里云发起“共同定义”云原生架构的倡议,收集了诸多架构师、开发者眼中的云原生及云原生架构的定义与思考,将之提炼并融入书中。本书涵盖了云原生架构的产生缘由、阿里云对于云原生架构的定义、目前行业领先的云原生技术、阿里巴巴的云原生架构设计、云原生架构的实践案例、云原生架构未来发展趋势等内容。希望这本与架构师、开发者共同定义的《云原生架构白皮书》,能够帮助大众进一步理解云原生及云原生架构,找到适合自身业务的最佳云原生路线。
在云计算高速发展的时代背景下,体会到数字化业务竞争所带来的强烈“压迫感”后,大量企业纷纷走上数字化转型之路。数字化转型使企业中大量原有业务不得不开始数字化演进。然而,数字化转型对业务结构、技术储备、用户体验等都有更为严苛的要求,要求技术具备更快的迭代速度与更灵活的敏捷性,业务上线速度从按周计时,缩短到小时级别;每个月上线业务量从“几十个/月”提升到“几百个/天”。
云时代下,企业需要新技术架构,使之更好地利用云计算优势,让业务更敏捷、成本更低、可伸缩性更强。而云原生架构的应用意义正在于此。数据显示,2020年,超过50%的全球组织在生产环境中运行容器化应用程序,到2022年将超过75% 。在中国,截止到2018年底,已有96%的IT企业在生产环境部署容器化应用。云原生正逐步成为企业数字化转型的“最短路径”。
当前,不同企业在不同技术发展阶段对于云原生架构的认知不尽相同,这导致企业建设云原生架构的探索成本不同程度的增加,甚至数字化转型的早夭。今天,阿里云根据自身积累多年的云原生技术、产品和上云实践,提出完整云原生架构的设计原则、解决方案以及最佳实践,帮助企业找到数字化转型“最短路径”,完成从“压迫感”到“掌控感”的主被动力量转变,加速实现 IT 能力提升,打好降本增效组合拳。
为了改变行业/企业在云时代应用落地过程中蒙眼摸索的局面。阿里云在本书中明确了云原生架构定义:从技术的角度,云原生架构作为基于云原生技术的架构原则与设计模式的集合,旨在将云应用中的非业务代码部分进行最大化剥离,让云设施接管应用中原有的大量非功能特性(如弹性、韧性、安全、可观测性、灰度等),使业务不再有非功能性业务中断困扰的同时,具备轻量、敏捷、高度自动化的特性。
值得一提的是,为了进一步帮助企业落地云原生架构,阿里云以自身实践以及大量客户服务经验为核心,形成独有的云原生架构设计方法——ACNA(Alibaba Cloud Native Architecting)。ACNA 作为「4+1」架构设计流程,「4」代表架构设计关键视角,包括企业战略视角、业务发展视角、组织能力视角和云原生技术架构视角;「1」代表云原生架构持续演进闭环,并提出云原生架构成熟度模型帮助企业评估业务段云原生成熟度。
ACNA将云原生化分割成服务化能力(Service)、弹性能力(Elasticity)、无服务器化程度(Serverless)、可观测行(Observability)、韧性能力(Resilience)、自动化水平(Automation)六个不同维度(SESORA),每个评估维度设立ASNA-1至ASNA-4 四个不同等级并依次计作0至3分,同时设立零级、基础级、发展级、成熟级四个不同成熟等级。云原生架构成熟度模型的提出,对企业云原生化现状、能力和发展路径不清晰等问题, 给出评估与优化方向,帮助企业走上数字化转型“最短路径”。
云计算从概念产生到落地应用,已走过15个年头,大量应用的“用云”方式仍停滞在传统IDC时代,但“能用”和“好用”有着天壤之别,越来越多企业投身大量精力于云原生化,以寻求“好用”方法,释放技术红利。基于云原生架构的应用,从架构设计、开发方式到部署运维的整个软件生命周期都基于云的特点设计,最大限度用好云平台的弹性、分布式、自助、按需等优势。很多互联网企业从应用诞生之初就生长在云端,新零售、政府、金融、医疗等领域的企业和机构也逐渐将业务应用迁移上云,深度使用云原生技术和云原生架构。
白皮书通过几个典型实践案例,展示了企业如何通过云原生架构及相关应用解决交付周期长、资源利用率低等常见运维问题。比如,借助阿里云实现核心业务系统云原生化的申通快递,全面实现对千万级订单量、数亿级物理物流轨迹、每日上T级数据量的全力支持;采用阿里云原生应用稳定性解决方案的完美日记,有效确保“双11”电商大促、“双12”购物节的微商城系统稳定性,极大提高用户购物体验;采用了阿里云原生PaaS平台的中国联通号卡应用,开卡业务效率提升了10倍,需求响应时间缩短了50%,支撑访问量由1000万上升至1.1亿等等。
从IT基础设施云化到系统架构云原生化,是云计算的终极演进方向。未来,企业应用将都会打上“Made in Cloud ”的出厂标签,云原生应用也将会成为企业打造核心竞争力的重要抓手。阿里云智能基础产品事业部研究员丁宇表示,“未来十年,云计算将无处不在,像水电煤 一样成为数字经济时代的基础设施,云原生让 云计算变得标准、开放、简单高效、触手可及。 如何更好地拥抱云计算、拥抱云原生架构、用 技术加速创新,将成为企业数字化转型升级成 功的关键。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。