Forrester Research近日发布了最新研究报告《Now Tech:Enterprise Container Platforms in China,Q2 2019》(以下简称“报告”),对企业级容器平台(ECP)市场进行全面评估,其中,青云QingCloud旗下企业级容器平台——KubeSphere获评“全栈容器平台”, 体现了第三方权威机构对KubeSphere全栈能力的认可。
《Now Tech:Enterprise Container Platforms in China》是全球权威的调研机构Forrester针对中国容器市场的跟踪研究,通过对国内主要容器平台供应商的持续调研,提供其服务及产品功能评估,并发布对市场发展趋势的分析洞察。报告将帮助致力于进行数字化转型的中国企业, 以Forrester权威调研体系提供其供应商的决策参考。
报告以国内容器平台供应商提供的服务/产品形态及能力,将其划分为:公有云容器平台(Public Cloud Container Platforms)、全栈容器平台(Full-Stack Container Platforms)及基础容器平台(Foundational Container Platforms)。其中,以KubeSphere为代表的全栈容器平台,提供覆盖广泛的原生架构支持及全功能容器平台能力,包括容器引擎、编排与调度、容器安全、应用生命周期管理、自服务交互界面等功能,不仅功能及服务组件更完善,更专业,而且囊括了DevOps、微服务治理和应用管理的能力,更加适合企业容器项目的建设。
KubeSphere是以Kubernetes为内核的企业级再造的商业容器平台,一方面,拥有Kubernetes集群管理的所有基本功能,提供多种经过社区众多开发者和厂商验证过的开源插件,支持多款存储和网络插件,以极简的使用体验满足用户日常使用;另一方面,KubeSphere依托青云QingCloud全栈云产品体系和生态实现性能最优,向下兼容青云QingCloud存储、网络以及负载均衡等产品,打造健壮的基础设施;向上赋予客户DevOps、微服务治理和应用管理的能力,针对客户需求进行性能优化,满足企业各种业务诉求。
早在2016年11月,青云QingCloud的技术架构便可以支持容器技术,用户可在基础计算资源上快速部署和管理Kubernetes集群;2017年7月,青云QingCloud推出基于Kubernetes的容器集群管理与编排应用,同年11月,正式推出Docker镜像仓库,并打造一站式容器服务平台;2018年7月,青云QingCloud正式推出KubeSphere容器平台,可降低用户使用容器调度平台学习成本,极大减轻开发、测试、运维等日常工作的复杂度;2019年4月,青云QingCloud发布KubeSphere容器平台高级版2.0,以全栈云能力助力企业一步跨入云原生时代。青云QingCloud对于容器技术的全面布局源自其对创新技术趋势的精准把握,对云计算未来的前瞻洞见。
作为青云QingCloud旗下面向未来的容器品牌,KubeSphere容器平台一经推出便广受好评,先后被信通院授予“2017-2018年度可信云技术创新奖”、被创业家&i黑马评为“2018企业服务产品TOP50”。此次,KubeSphere凭借其优秀的全栈能力又被Forrester报告评为“全栈容器平台”。KubeSphere容器平台的全栈能力源自青云QingCloud全栈云产品体系和生态,这也是对青云QingCloud全栈云能力的又一次诠释。此外,KubeSphere还是青云QingCloud开源战略的重要一环,青云QingCloud不断将技术沉淀与最佳实践贡献给开源世界。这不仅仅是对开源精神的认同,更是青云QingCloud对于容器及Kubernetes生态的贡献。
青云QingCloud CTO甘泉表示,容器是云原生时代的核心基础设施,全栈容器平台更加贴近企业客户的云原生转型需求,帮助企业快速构建云原生应用,实现微服务和DevOps落地,从而加快业务创新迭代。未来,青云QingCloud将会推出QKS(公有容器云服务)、容器一体机等多种容器服务交付与部署方案,以全栈云能力帮助企业享用“开箱即用”的容器服务,提升企业客户在数字化转型浪潮中的竞争力。
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。