Chrystal Taylor,SolarWinds 首席极客
不论是应用程序性能工具、云服务工具还是数据库性能管理工具,到处都是各种各样的网络管理工具,无处不在。
随着远程办公的普及,这种情况变得愈发常见。中国的线上招聘服务提供商在其《2022 年中国远程办公现状报告》中指出,人们对远程办公的需求在疫情后逐渐增高,90% 的求职者希望公司允许员工在家远程办公。尽管远程办公提供了持续的生产力,但员工仍然需要克服访问、工具、应用程序、数据和网络方面的技术挑战。根据 IDC 早前发布的一项调查,协作工具和 IT 按需支持是员工认为能够帮助提高其生产力的两大技术。
不可否认的是,向远程和混合工作模式的快速转变以及数字化转型举措使 IT 人员疲惫不堪。企业采用了各种各样的工具,以便落实那些领导层顺应不断变化的时代要求而坚持执行的数字化转型项目,由此 IT 环境变得越来越复杂,也越来越难以准确监控。
除了这些新的变化发展之外,公司还采用了一系列解决方案来监控 IT 基础架构、应用程序、网络和数据库。每一位 IT 工程师平均需要跟踪 16 个监控工具,随着服务级别协议的增加,有些人甚至需要管理多达 40 个监控工具。
“少即是多”这句话用在此处最为恰当,使用过多工具只会导致数据孤岛、集成混乱、安全漏洞和极度缺乏可见性。一些 IT 团队并非通过从供应商那里获得软件应用程序的许可来满足业务需求,而是自行开发软件应用程序。一旦换了工作,往往会将这类应用程序也带走,工具所有者离开旧公司,有关该工具的关键信息也被带走了。公司拥有的设备和使用的工具越多,IT 团队反而就越难从他们自行开发的工具中获得有价值的信息。
此外,自行开发的工具与其他工具也并非完全兼容,意味着 IT 人员要借助不同的系统登录和操作。我们以前见过 IT 人员十分不愿意放弃自行开发的工具,这种阻力一部分来自于难以割舍创作心血,另一部分在于他们清楚为了维护这套系统要花多少时间。
在接下来的一年中,我们仍会面临上述所有挑战和复杂性,但我们最终也会看到越来越多的人放弃工具,转而打造更精简的流程,节省时间。无论如何,工具泛滥都不是一个新问题。近十年来,我们一直在技术和商业领域就这个问题展开讨论,现在是时候有个结论了。
有两个趋势表明 2023 年可能会成为我们彻底解决工具泛滥问题的一年。
CNBC 报告显示,全球首席执行官们预测未来一年将出现经济衰退。面对这种可能的经济下行,企业正在压缩预算,尽可能地降低成本。经济衰退不仅涉及到显而易见的财务成本,还有时间成本。时间成本通常会转化为劳动力成本和客户流失,因为问题解决的时间会变长。较小的团队意味着员工要少花钱多办事,同时,引进新工具的门槛也在提高,如果工具不能持续为业务增值,就很难在公司的基础架构中长久存在。
最新的《SolarWinds IT 趋势报告》指出 IT 团队越来越担心缺少可见性,55% 的受访者表示他们只对公司中一半的应用程序和基础架构具有可见性。幸好市场上有一些工具能够提供帮助。通过转向可观察性,IT 团队可以用更少的工具实现更好的可见性,而不是让他们被各种工具和信息淹没。利用可观察性和人工智能工具,IT 人员可以在一个平台实现对所有工具的全面可见性,确保更好的应用程序性能,更快地排查和解决问题,提高运营效率,生产更高质量的软件。
在过去几年中,技术解决方案经历了各种发展和变革。可观察性是监控技术进化的成果,AIOps 和机器学习是用来增强和改进可观察性的工具。越来越多的公司开始意识到,投资这些旨在提高工作质量的新工具和技术,就可以节省宝贵的时间。
对系统的持续迭代、改进、集成和交付正被越来越广泛地采用,平均每年可以为公司节省大约 480 万美元。2023 年,公司最终将会把这些工具整合为可观察性和 AIOps 解决方案。
业务需求和客户体验必须被优先考虑,二者是制定和执行公司决策的主要驱动力。在进行复盘时,业务主管会发现他们最初使用的工具不再能满足业务目标,随着可能的经济衰退的迫近,IT 团队应该逐渐放弃这些工具,并将资金回拢到预算中。
总之,IT 团队应该停止使用那些不再能够创造价值的自制工具,并确定哪些工具可以合并为一个工具。我们应当在 2023 年保持冷静,并尽力摆脱工具冗余的负担。
好文章,需要你的鼓励
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
苹果在iOS 26公开发布两周后推出首个修复更新iOS 26.0.1,建议所有用户安装。由于重大版本发布通常伴随漏洞,许多用户此前选择安装iOS 18.7。尽管iOS 26经过数月测试,但更大用户基数能发现更多问题。新版本与iPhone 17等新机型同期发布,测试范围此前受限。预计苹果将继续发布后续修复版本。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。