近日,OpenInfra Days China 2021在北京采用线上线下融合方式举行,大会主题为“开源基础设施的下一个十年”,将围绕下一个十年人类社会需求的开源基础设施技术场景展开讨论。
在上午的主题演讲中,英特尔云基础设施软件研发总监王庆分享了在后OpenStack时代英特尔积极参与云原生项目赋能云计算产业发展的创新实践。
在过去的10多年里,云计算技术从虚拟化和容器技术衍生出来之后,得到了迅猛的发展。期间,涌现了众多的应用场景和应用需求,由此也相应产生了许许多多的开源技术和项目。
王庆表示,在云计算诞生之初,英特尔就是开源云计算技术的主要贡献者之一,推动和领导着云计算技术的发展。英特尔在虚拟化技术、软件定义等技术方面进行了积极投入,积极贡献于OpenStack、Ceph、Open Daylight、OPNFV以及ONAP等开源项目,将自身的硬件产品特性融入开源项目。作为发起人之一,英特尔还积极推动Kata Containers、Cloud Hypervisor、StarlingX、Akraino和OpenNESS开源项目的发展。
现如今,我们进入到云原生和容器化时代,陆续面临容器编排、容器运行时、容器存储和网络、微服务、服务网络、Serverless、容器化安全与性能等等里的各种挑战,这就需要相应的解决办法和方案。
以容器和容器编排技术为中心的云原生架构成为IT基础设施的潮流,英特尔除了提供云计算基础设施硬件产品和技术外,还在软件研发,技术创新方面投入了非常多的资源和人力,进行云原生技术的研发,创新和相关应用场景落地。
王庆说,在后OpenStack时代,英特尔积极参与云原生项目,譬如Kubernetes、Istio、Envoy、Dapr、Containerd以及CRI-O等,把计算、网络存储、加速器、资源管理带到云原生项目中。“云原生领域更加丰富多彩,英特尔不断把自己的技术贡献给社区,为用户的需求和场景,提供更多的支持。”
虚拟化技术催生了云计算的的发展,而到了云原生时代,这种资源的抽象和隔离需求不但没有消失,而是越来越强烈。虚拟化技术本身和云原生容器技术不是排斥的关系,而是融合的关系。虚拟化技术可以更很好地支持云原生和容器业务,进一步为容器业务提供更多的使用场景,比如高密度安全容器、机密计算等。
例如随着公有云、私有云及企业数据中心的大规模部署,多租户的用户数据安全隔离变得至关重要。目前在云原生架构中,用一个轻量化虚拟机作为资源安全隔离的手段被广泛接受并使用,比如Kata container已经被开源社区认为是安全容器的事实标准,轻量化虚拟机项目Cloud hypervisor也吸引了很多业界大厂参与开发和贡献。
除此以外,Kubernetes已经成为事实上的云原生容器编排技术标准,英特尔的全线产品包括计算、网络、存储、安全等能够在Kubernetes平台快速集成和稳定使用。Kubernetes的用户在英特尔平台上能够获得更好的性能和体验,同时也通过集成各种设备插件、资源管理技术提供更多的功能加速和优化其容器业务。
以CRI-RM(Container Runtime Interface – Resource Manager)为例,通过在节点上动态划分系统资源,配合Kubernetes调度器,实现节点层面上的最优任务编排,把英特尔平台的特性完美适配到Kubernetes集群环境里面。通过CRI-RM,在大规模企业级数据库运行场景里,我们可以获得超过10%的性能提升。
最近英特尔在CNCF的容器运行环境技术咨询工作组里,提出了一个对Kubernetes的设备管理进行全面升级改造的提议,称为Container Device Interface。通过CDI,其可以把K8s集群节点上的设备提供更符合应用使用逻辑,更细粒度的分配和管理。这个提议目前在KEP阶段,英特尔已经和社区合作伙伴进行了深度讨论,获得了积极的响应。
随着云原生技术架构的演进,无服务器计算Serverless,服务网格 Service mesh也被云服务提供商大规模部署,而且使用场景也越来越成熟,英特尔现在也有相应的产品和技术来帮助提升这种服务质量和效率。
从最早贡献开源社区到衍生出创新理念,这是循环反复的过程。除此之外,为了让用户在英特尔的硬件平台上获得最佳性能体验,英特尔和业界合作伙伴们一起研究,开发多云管理、边缘云等解决方案。
今年,英特尔推出了精选开源云解决方案3.0,它提供了经过含大数据、AI等完整软硬件测试的一体解决方案,有超过125个合作伙伴加入到这个项目当中。“我们要紧盯技术趋势和客户需求,通过开源技术的创新合作使得用户更好更方便地使用英特尔的硬件技术,加速用户产品的创新和落地。”王庆说。
随着云原生技术架构的演进,相关的部署需求和使用场景越来越多。未来,英特尔将继续利用领先的技术、实实在在的代码以及与生态系统伙伴们的密切合作关系推动云计算发展、成熟和落地。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。