用于构建企业应用程序的编程语言并不缺乏。然而,三十年后,Java继续占据主导地位。
Java是流行的编程语言,在企业端发展迅猛,而Spring则是流行的应用开发框架。有数据显示,Java现在有一半以上的市场在使用Spring Boot,由此就可以看出Spring的主导地位。
VMware Spring开发者布道师Josh Long在2010年加入了Spring团队,他告诉记者,他喜欢Spring的一大原因是Spring可以做很多事情,真正改变这个行业,而且一直在改变。“其实这是很难得的,一个开源计划可以持续地改变世界。”
VMware Spring开发者布道师Josh Long
Spring社区的活跃度非常高,这得益于多个方面:完善的软件、云端架构整合、安全性等。目前对Java的开发者来说,Spring是必备的技能。
在云原生世界中,Spring和Java开发越来越重要。而且,Spring推出了AOT引擎,让本机的编译可以快速启动,让Java执行的效能大幅增加。
Spring在云原生服务的时代可以发挥更大的价值,因为大家需要的并不是技术本身,技术只是解决问题的路径。比如Spring Boot拥有Java上最大的云原生系统,提供针对各个云端平台的整合,包括Kubernetes、Azure、谷歌、AWS、阿里巴巴。
VMware多举措推动Spring发展
在2009年,VMware收购了SpringSource,2019年又宣布已经完成对Pivotal的收购,实现对于Java技术的承诺。VMware不断支持Spring社区,贡献大量的开源内容,让生态更完善,服务开发人员。
VMware台湾副总经理兼首席技术官吴子强表示,Spring是一个开源的系统,背后有强大的社区,而且Spring的应用层次广,可以满足多方面的需求。
VMware为Spring的发展提供了长期的支持,这对企业来说相当重要,毕竟他们需要真正的生产级应用。
例如VMware与美国伯克利大学合作开发了面向开发者的机器学习的算法库,并嵌入到VMware Tanzu中,社区用户和企业用户利用Spring框架和算法库可以非常快速地构建大数据的模型,包括面向与机器学习和人工智能的场景。
VMware Spring Runtime提供企业级Java的资源,并且Java或者Spring专家协助企业解决问题。而Spring是VMware Tanzu开发套件非常重要的一个组件,支持企业构建下一代的云原生应用平台。
VMware 现代化应用事业部技术总监俊刚介绍说,针对Spring,VMware拥有大量的Spring和Tomcat、JDK相关的专家,提供完善的知识库和专业服务。
VMware跟很多伙伴在Spring方面展开合作,比如微软开发了Azure Spring Cloud Enterprise。
结语
为了推动数字化转型,企业需要实现IT现代化和灵活的开发环境。与此同时,对于敏捷和创新的应用开发服务和技术需求也呈显著增长的趋势。
对于Java程序员来说,这是一个很好的时代。而Spring是Java历史中很重要的组成部分,简化应用程序的开发,在这个软件定义的时代发挥更大的作用。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。