代码贡献将协议压缩率提高两倍,并降低大容量遥测及人工智能驱动项目的带宽成本
西雅图 — 2023年9月25日 — F5(NASDAQ: FFIV)今日宣布将继续支持云原生计算基金会OpenTelemetry项目。这是一个开源框架,旨在通过提供用于检测、生成、收集和导出遥测数据(指标、日志和跟踪信息)的标准化工具合集,帮助 IT 团队更精准地分析其解决方案的性能和行为。在与ServiceNow的开发合作中,F5已贡献约40,000行代码,将OpenTelemetry协议的可压缩性提高一倍。此项创新可降低从数据中心、云和边缘位置向遥测平台传输数据的成本,在特定的数据工作负载下可降低一半之多。为更好理解这一贡献的规模,通常软件开发人员每年需编写10,000到25,000行代码,而平均每个开源项目则需编写约35,000行代码。
通过优化指标、日志和跟踪信息等遥测数据的收集、吸收和分析,企业将能够在不断变化的IT环境中更高效且出色地提供智能的自动化响应。例如,通过将用户和应用的登录和行为特征与典型的使用模式进行对比,遥测技术可帮助安全团队发现并阻止欺诈和恶意活动。通过利用全新改进的OpenTelemetry协议,客户将此类遥测数据从公有云导出到遥测聚合系统的相关遥测流量出口成本预计将减少50%。
F5项目负责人和杰出工程师Laurent Quérel表示,“现代网络解决方案、应用和用户在日常运行过程中会产生难以估量的海量数据,因此,想要以更加经济高效的方式为更多企业带来全面的遥测优势,协议压缩率至关重要。与过去的传统企业相比,如今的企业环境更适合于收集和分析数据,但仍在有效传输、集中化和标准化方面面临挑战,正是这些挑战成为了F5倾力投资OpenTelemetry项目的原因。通过将OpenTelemetry应用在F5的产品组合中,并持续与相关企业例如ServiceNow等共同参与领先的开源项目,我们见证了无数的成功用例,这些用例展示了如何借助性能评估、提高效率和增强取证功能,使应用更好地适应不断变化的运行环境,同时将客户成本降至最低。”
F5与ServiceNow云可观测性项目(ServiceNow Cloud Observability)合作,借助Apache Arrow的技术支持进一步优化OpenTelemetry协议,以显著提高处理速度并降低带宽成本,并合作推出了OpenTelemetry Arrow项目和参考实施指南。Apache Arrow是一项开源技术,可增强大数据、分析和机器学习能力,其提供的一套标准化方式来呈现结构化和半结构化数据,使其更具可操作性和可理解性。此外,Apache Arrow还支持高级遥测功能,可用于监控和分析数据流。
对许多企业而言,高效传输和处理遥测数据需要花费掉大部分的遥测管道成本。因此,实现遥测标准化尤为重要,因为为了实现充分的可观测性和人工智能驱动的分析,这需要统一从整个 IT 堆栈中获取数据点。在开源社区内开发和完善协议增强功能和标准,这为周边行业项目和解决方案基础设施提供了强大的生态系统,以满足特定企业和用户需求的定制功能。此外,该方法允许F5客户更清晰地了解影响其应用的直接因素,从而更好地分配IT资源,以便在未来进行战略性投资。
ServiceNow云可观测性项目(前身为 Lightstep)首席架构师Daniel “Spoons” Spoonhower表示,“当Lightstep与其他合作伙伴共同创立OpenTelemetry项目时,我们的目标是在开源社区中助力企业提高可见性而无需增加额外支出。通过与F5的紧密合作,我们将继续满足企业的需求,即以更低的成本传输更多的数据。”
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。