BMC Control-M V20于2020年7月23日正式发布,终于在8月份拿到测试版,迫不及待的拿来做了一下测试,总的说感觉一个字“爽”,假如要多加几个字:那就是“快”、“全”、“新”、“省”、“稳”。
快:效率VS操作
安装速度快,看着其6G多大的安装包,说实话有点懵,怎么这么大,担心没有几天根本无法安装;结果按照手册,一下子颠覆先前“别人”所说的Control-M太笨重的认知。
创建用户、运行setup.sh、同意软件许可、选择安装模式、调度作业规模、安装用户等信息;7个回车后即开始安装;15分钟结束安装过程。
假如选择安装双机高可用性,40分钟也可以解决战斗。简直不敢相信这是可以每天调度几万、几十万、上百万作业的企业级调度产品。
使用上手快:https://demohost:8443/ControlM/,系统简单明了说明可以做的几件事情:Planning(作业设计)、Monitoring(作业运行监控)、Managed File Transfer(文件传输)、Tools(工具:设置日历、资源)、Configuration(系统配置);每个页面都有相关help和向导
支持作业类型扩展快:针对技术日新月异、IOT、大数据、机器学习不断涌现;如何让新作业快速上线;Control-M提供了几重保证:
1、产品版本年度更新,V20已经是BMC Control-M从2018、2019、2020年的第三个年度版本
2、API月度更新、每个月都会发现其Automation API更新特性接口支持
3、其Application Integrator通过command Line、Web Service、REST API可以快速支持更多更新的作业类型。
全:全方位系统整合
第一:操作系统支持简直是无所不包:从IBM Mainframe z/OS大型机、到老掉牙的VMS、Tandem等中型机;从AIX、HP-Unix、Solaris等小型机系统到开放式 x86平台的Windows、RedHat Linux、SUSE、Centos、Ubuntu等;另外还可以运行在AWS、Azure、GCP等云平台上。
第二:作业类型支持多:支持所有JDBC兼容数据库(Oracle、DB2、MySQL、PG、GP、GaussDB、TiDB、MongoDB…)、ERP(SAP、Oracle、PeopleSoft等)、BI/DI(SAP BO、Cognos、BIEE、Informatic、Datastage、SSIS、BW等)、SOA架构(Web Service、Java/J2EE、Message Queues)、Big Data/Hadoop(支持包括Hortonwork、Cloudera、MapR、BigInsights、Greenplum等;也支持TransWarp);Backup(TSM/NBU)。
第三:扩展作业类型多,在http://www.bmc.com/hub上有60多种扩展作业类型可供参考。算上其原生作业类型那可以支持上百种作业类型;33年老牌调度自动化产品行业领袖果然不是盖的。
新:不断创新
漫步BMC Control-M33年的产品历史,一直秉承不断创新理念。
从1987年大型机调度、到开放式与大型机环境的一体化调度;到ERP、DB、BI、DI调度到大数据调度、云调度…
从几年一个大版本到每年一个版本的年度更新;到Job as code的DevOps,从本地安装部署,到云端可安装部署,听说SaaS版本也在规划推出中, Control-M未来可期。
省:帮客户节省时间、快速产生效益;降低运维成本、规避风险
在企业运营持久不变的节省成本:安装成本、维护成本、升级成本。
在测试过程中,Control-MV20安装过程最简安装15分钟,双机安装40分钟。
从Control-M V19到V20升级过程只有30分钟,对业务的停机在5分钟以内,agent升级做到0停机的就地升级,对业务和应用无感。
另外Application Pack的deploy部署,有效节省时间。
Control-M V20后所有的通讯采用https,用户密码存储采用AES256;确保安全合规。
稳:作为企业级的调度,稳定是压倒一切的关键
在测评过程中,专门还咨询了一些Control-M的老用户单位,他们说对Control-M印象最深的就是稳定、可靠,几年不用停机、无故障。
我自己测试过程中,把Agent资源压测到99.9%,cpu idle为0%,系统还稳定运行,只是卡顿而已。
小编我平日在行里最怕做复杂交互的作业编排,每次对口业务数据繁杂判断又多,尤其遇到实时大数据总结更让我晚上睡不踏实。自从行里若干年前导入Control-M后, 它的系统稳定度满足我行”稳定大于一切”的苛刻要求。
在日结大批量数十万级作业交互并行时运行一个顺畅酸爽,开源的真是无法比。从我行现行使用V8比较, 除了功能变多外褂也多了, 最主要它的用户界面也完善得我个人认为比较人性化(有效率),感觉从V18版到V20朝向本地与多云整合,更符合我行应用容器化部署要求。实现业务与IT端到端整合自动化。以上是我在水火滚过的IT运维老司机的个人见解哈, 正在打报告跟领导要求升级啦,不过还要等一阵子让这版本稳一下哈,你懂得^_^。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。