“速度和可靠”正在成為精英互聯(lián)網(wǎng)企業(yè)追求的核心價(jià)值,伴隨創(chuàng)新2.0時(shí)代的到來,這種觀念將愈發(fā)深入人心。而“互聯(lián)網(wǎng)+”概念的悄然走俏,也在讓互聯(lián)網(wǎng)企業(yè)大佬們思考著下一步棋該怎么走,如何打造極致的用戶體驗(yàn)快速搶奪先機(jī)。
過去企業(yè)IT部門在測(cè)量系統(tǒng)性能時(shí),將監(jiān)測(cè)的重點(diǎn)過多放在了CPU和通過網(wǎng)絡(luò)傳輸?shù)淖止?jié)數(shù)等硬件組件利用率上,而忽略了終端用戶的使用體驗(yàn)。盡管這種方法在應(yīng)用性能管理上提供了很多有價(jià)值的信息,但對(duì)其他地區(qū)網(wǎng)站的性能表現(xiàn)把握不足。畢竟不同地區(qū)的用戶使用的網(wǎng)絡(luò)供應(yīng)商不一樣,接受終端也是多種多樣,如何實(shí)時(shí)精準(zhǔn)把握網(wǎng)站在這些地方的響應(yīng)時(shí)間和可用率依然欠缺。
IT外網(wǎng)監(jiān)控除了監(jiān)控應(yīng)用服務(wù)的可用性、穩(wěn)定性外,通過實(shí)時(shí)監(jiān)控各個(gè)地區(qū)和運(yùn)營(yíng)商的響應(yīng)時(shí)間分析可以隨時(shí)掌握用戶體驗(yàn)質(zhì)量的好壞。使用過云智慧監(jiān)控寶的用戶都知道,監(jiān)控寶的分布式監(jiān)控網(wǎng)絡(luò)不同于其它單點(diǎn)單次的測(cè)試工具,它通過部署在各運(yùn)營(yíng)商骨干IDC機(jī)房的監(jiān)測(cè)點(diǎn),以60秒的監(jiān)測(cè)頻率全天候監(jiān)控服務(wù)響應(yīng)時(shí)間,獲取每一個(gè)用戶的真實(shí)體驗(yàn)數(shù)據(jù)。
最多的骨干網(wǎng)監(jiān)測(cè)點(diǎn)到底有多少?
據(jù)不完全統(tǒng)計(jì),截至目前云智慧已經(jīng)在全球部署了近150個(gè)監(jiān)測(cè)點(diǎn),這其中涵蓋了電信、聯(lián)通、移動(dòng)、教育網(wǎng)等7大網(wǎng)絡(luò)線路運(yùn)營(yíng)商,范圍覆蓋大陸港澳臺(tái)、亞太和歐美等5大洲,是國(guó)內(nèi)擁有最多監(jiān)測(cè)點(diǎn)的應(yīng)用性能管理服務(wù)商。這并不是終點(diǎn),云智慧還在積極部署更多的監(jiān)測(cè)點(diǎn),現(xiàn)在以每月15個(gè)的速度持續(xù)新增,到15年底將分布式監(jiān)控網(wǎng)絡(luò)將達(dá)300個(gè)。
全面準(zhǔn)確的頁面性能評(píng)分制
云智慧監(jiān)控寶將頁面響應(yīng)時(shí)間以及可用率作為對(duì)網(wǎng)頁應(yīng)用性能進(jìn)行評(píng)判的兩大指標(biāo)?;趪?guó)際通用標(biāo)準(zhǔn)yslow,通過分析CONTENT、COOKIE、CSS、IMAGES、JS、SERVER等網(wǎng)頁元素,監(jiān)控寶還計(jì)算得出了代表網(wǎng)頁綜合性能的綜合衡量分值,即頁面性能指數(shù)。而該頁面性能指數(shù)也成為企業(yè)判斷自身網(wǎng)站性能水平最直觀的工具。
全景瀑布式元素分析
阻塞等待、DNS解析、建立連接、發(fā)送請(qǐng)求、等待時(shí)間、接收數(shù)據(jù)等全部元素加載時(shí)間分析,并為用戶提出優(yōu)化建議和依據(jù)。不論是減少http請(qǐng)求、減少DNS查詢和降低DOM元素,還是減少cookie大小、降低圖片大小和增加CDN的使用。而通過自定義告警線設(shè)置來時(shí)刻掌握頁面性能變化。
云智慧全球監(jiān)控網(wǎng)絡(luò)讓企業(yè)加強(qiáng)了外網(wǎng)監(jiān)控,彌補(bǔ)自身監(jiān)控系統(tǒng)不足成為可能,就相當(dāng)于延長(zhǎng)了他們的手和腳。能夠不費(fèi)吹灰之力實(shí)時(shí)看到全球用戶的使用狀態(tài),獲取最真實(shí)的監(jiān)測(cè)數(shù)據(jù),并以此做出業(yè)務(wù)或技術(shù)上調(diào)整是企業(yè)最樂意看到的。例如改善用戶體驗(yàn)和調(diào)整CDN策略等。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。