首页 文章 精选 留言 我的

精选列表

搜索[SpringBoot4]，共10000篇文章
优秀的个人博客,低调大师

关于混合云成功 企业需要忘记的5件事和需要记住的4件事

如果你是一家企业的首席信息官，正在推广采用混合云，但有些人对云计算节省运营成本的说法提出质疑。那么将如何应对这一问题? 行业专家表示，大多数云计算应用程序都是可以节省成本的商业案例，然而令人担忧的问题也有很多。如果企业希望获得成功，可以采用一些有效的策略，例如五个需要“忘记”和四个需要“记住”的事项。 五个需要忘记的事项 第一个事项是忘记将规模经济作为采用云计算的理由。有些人通常认为，拥有庞大数据中心的混合云提供商将比企业自己运营的数据中心提供更好的规模效益。这个想法是不对的。随着数据中心变得越来越大，规模经济性不仅不断提高，并且达到了一个稳定期。而企业数据中心可能只占云平台规模的几个百分点，无法覆盖云计算提供商的利润率。因此，如果认为采用云计算服务价格总是更低廉的，并且在这一基础上启动项目，那么就会遇到麻烦。 第二个事项是忘记将应用程序迁移到云端。云计算的最大优势是可扩展性和弹性，但为数据中心编写的应用程序通常无法利用云原生优势。不仅如此，当一些应用程序迁移到云端时，有些工作必须在云端和内部部署数据中心之间进行切换，这些切换会产生额外的成本。如果数据库托管在云中并从内部部署设施访问的话，其结果可能是成本呈爆炸性增长。因此必须重新设计应用程序才能实现关键的云计算优势。 第三个事项是忘记为云重写核心业务应用程序，除非企业在云计算方面已经积累了大量的经验。事实上，这是企业最有可能失败的项目类型。如果为核心应用程序使用第三方软件，可能能够获得专为云计算设计的版本，这可能来自不同的来源，但即使如此，也需要验证云计算供应商的承诺，否则将面临巨大的失败风险。三分之一的企业表示，他们的软件供应商夸大或歪曲了其产品的“云原生”状态。 第四个事项是忘记云计算的成功所需要的只是更好的监控或“可观察性”或更多“自动化”的想法。一些企业表示，云计算业务案例失败并不微妙;在计划或执行过程中几乎总是存在一些明显的问题，除了重新实施重大项目之外，没有什么可以解决的办法。没有人愿意承认这一点，但是在一个糟糕的计划上投入更多的费用只会让事情变得更糟，而且成本更高。企业必须从一开始就制定其云计划，或者咬紧牙关重新开始。 第五个事项是是忘记华而不实的云计算功能，例如无服务器和云计算提供商提供的Web服务，除非已经证明它们是必不可少的。有多种云计算服务和许多可选功能可以减轻开发人员的负担。它们得到了更多的关注，但大多数都是为特殊情况设计的，除非企业适应其中一种情况，否则所有这些都会使其付出更多代价。如果企业应用程序需要一些特别的东西，可以在一些的原型设计过程中找到。 四个记住的事项 尽管有了以上这些要点，但有一类云计算应用程序使其业务案例经常占据云计算成功案例的主导地位。这就是“应用程序前端”，其中云计算组件用于在用户和内部部署数据中心应用程序之间创建一个层，以添加对移动设备的支持、改进用户界面，并扩展网站流程。第一个要记住的事项是，网络和网络安全是前端应用程序的关键部分。用户必须从全球互联网访问前端云部分，有时也从企业的VPN网络进行访问，并且流量必须在云端和数据中心之间移动。有很多新的攻击面可能会对外开放，因此需要妥善的处理。云平台在本质上并不比数据中心更安全，如果不小心谨慎的话，就会降低其安全性。 第二个要记住的事项是，需要了解支持的扩展和弹性场景。这在企业应用程序在负载下扩展时尤其重要，因为可扩展性通过增加云成本来提高用户的性能。企业需要了解自己愿意支付多少成本，并将可扩展性限制写入应用程序，以确保不会超出可接受的成本范围。 第三个要记住的事项是，在做出任何重大承诺之前，记住全面测试企业的云计算应用程序是至关重要的。企业首先为其想法制作原型，然后完善和测试，直到满意为止。测试也不仅仅意味着功能测试，它还意味着测试企业的云业务案例所依赖的假设。例如，性能是否符合预期?其成本是否符合条件范围?运营和支持是否影响企业的预期?而大多数企业没有很多云应用经验，而且很容易忘记组件可扩展性很容易转化为可扩展的支出。 第四个要记住的事项是，需要记住的是在开始评估云计算使用情况之前，让企业的开发和运营人员完全掌握云计算技术。例如在一项调查中，在过去18个月有64个云计算项目失败，其中62个云项目失败的原因是由于缺乏具有丰富经验的企业员工。在大多数情况下，技能短缺的问题在于将会导致糟糕的计划。而如今有很多关于云计算的误解，除非有人帮助找到真相。 那么真相是什么?云计算是另一种托管选择，但并不适用于所有情况。而云计算可以带来显著的好处，也可能带来糟糕的体验。因此人们需要了解云计算有什么好处，并充分利用这些好处。 【责任编辑：赵宁宁 TEL：（010）68476606】
2021-08-03
优秀的个人博客,低调大师

IDC：未来4年，云计算至少减少10亿公吨的二氧化碳排放

近日，IDC发布了一项最新的云计算领域的预测，数据表示，从2021年到2024年，采用云计算可减少至少10亿公吨的二氧化碳(CO2)。 该预测基于有关服务器分布和云以及本地软件使用的IDC数据，还有一些第三方数据，包括有关数据中心的用电量、每千瓦时二氧化碳排放量，以及以及有关数据中心用电量，每千瓦时二氧化碳(CO2)排放的第三方信息，以及云和非云数据中心的排放比较。 减少与云计算相关的CO2排放的关键因素来自聚合计算资源的更高效率。排放量的减少是由从离散的企业数据中心到大型中心的计算聚合所推动的，这些中心可以更有效地管理电源容量，优化散热，利用最节能的服务器并提高服务器利用率。 同时，节电的幅度根据一千瓦的电能产生二氧化碳的程度而变化，并且因地区而异，因国家而异。鉴于此，毫不奇怪的是，通过迁移到云数据中心来消除CO2的最大机会就在于每千瓦时排放更高CO2的地区。在未来四年中，将煤炭大部分用于发电的亚太地区预计将节省一半以上的二氧化碳排放量。同时，EMEA将节省大约10%的费用，这主要是由于使用了每千瓦时CO2排放量更低的电源。 虽然转向更清洁的能源对降低排放非常重要，但减少浪费的能源使用也将发挥关键作用。云数据中心通过优化物理环境并减少冷却数据中心环境所花费的能源来实现这一目标。高效数据中心的目标是，与运行设备所在的环境进行冷却相比，在运行IT设备上要花费更多的精力。 可用于降低CO2排放的另一种云计算功能是将工作负载转移到全球任何位置的能力。开发该功能是为了在需要时提供IT服务，它还使工作负载得以转移，从而能够更好地利用风能和太阳能等可再生资源。 IDC的预测包括估算的减排量的上限和下限。如果今天的绿色云数据中心所占比例保持不变，那么在四年内仅向云本身的迁移就可以节省6.29亿吨。如果在2024年使用的所有数据中心都旨在实现可持续性，那么可以节省16亿吨。IDC的预测超过10亿吨，是基于这样的假设：到2024年，将有60%的数据中心采用更可持续的“更智能”数据中心所基于的技术和流程。
2021-03-10
优秀的个人博客,低调大师

机器学习背后的数学原理--学习笔记4：统计理论中bayes学派与频率学派的差别

事实上，概率模型的训练过程就是参数估计(parameter estimation)的过程。对于参数的估计，统计学界的两个学派提供了不同的解决方案【1】： 频率主义学派认为参数是未知但却是客观存在的固定值，因此，可通过优化似然函数等准则来确定参数值；打个比方来说，针对重力加速度g，频率学派的观点是这是一个宇宙常数，它的值就是恒定的。我们每次测量g得到不一样的值是因为统计误差和系统误差。因此没有办法得到一个准确的g，但是可以汇报一个信心水准（比如90%信心水准），即：如果同时进行100次实验，那么90次实验所得到的结果会落在某个范围内。则可以说g为某个值有90%信心水准区间内。显而易见，频率学派所定义的概率就是频率。 贝叶斯学派(Bayesian)则认为观察到的数据才是“固定”的（也称之为“幸存者偏差”），而我们的模型的参数是在一直变化的，其本身服从某个概率分布。如果我们不停地观察数据，估计出来的模型参数就可能一直的变化。不仅如此，我们对于这个模型的参数可能会有一个最初始的信仰，称之为先验假设，一旦设置后了之后，我们就可以由观察到的数据修正模型参数。如上例，贝叶斯学派则认为g不是恒定的，而是符合一种概率分布。所以需要获得一个先验分布（Prior），然后通过预设的实验得到数据并对数据进行采样（一般用MCMC及其变种），用贝叶斯公式将先验分布升级为后验分布（Posterior），而后验分布就会接近于g的真实分布。通过对后验分布积分，比如选取90%后验分布的区域，我们可以得到关于g的90%置信区间。 很显然，对贝叶斯来说，概率即是分布。因为贝叶斯的g天生就是一个概率分布，我们不需要考虑重复进行多少次实验，而是可以直接积分得置信区间。 贝叶斯学派统计思维 vs 频率学派统计思维 完全理解为什么在我们使用贝叶斯统计的时候，要求首先理解频率统计不足的地方。大多数人在听到“概率”这个词的时候，频率统计是首先想到的统计类型。它涉及应用一些数学理论来分析事件发生的概率，明确地说，我们唯一计算的数据是先验数据(prior data)。 举个例子，假设我给了你一个骰子，问你掷出6点的几率是多少，大多数人都会说是六分之一。但是，如果有人给你个特定的骰子总能掷出6个点呢?因为频率分析仅仅考虑骰子一定是正常状态的情况；而贝叶斯统计则认为骰子状态也是随机变量，即正常和作弊的状态。我们可以通过贝叶斯法则来进行说明: 这里 E: 当前发生的现象(evidence)， 本例中是“投掷骰子，出现点数6”； H：某种假设（hypothesis），本例中指“筛子处于正常状态”； P(E)是特定现象发生的先验概率，例如本例中“骰子出现点数6”。 P(H)是正常或正确的状态出现的先验概率。本例中就是“假设骰子正常”的概率； P(E|H)是骰子在正常状态下，点数6出现的概率；一般是1/6 P(H|E)是当前骰子点数6出现的概率的现象下，筛子处于正常状态的概率。 因此，替换到本例的Bayes公式可以表示为： 在方程中的概率P(H)基本上是我们的频率分析，给定之前的关于事件发生概率的数据。根据频率分析得到的信息，实质上是现象正确（正常）的概率。但是，如果你要掷骰子10000次并且前1000次全部掷出了6个点，那么你要考虑骰子作弊可能性了。因此贝叶斯学派善于利用过去的先验知识和样本数据进行逻辑归纳推理出参数；而频率学派仅仅利用了现有样本数据来估计，样本越多，参数越趋近于一个固定的常数。 因此，我们可以总结如下： 两个学派主要的争论焦点在于： 1. 贝叶斯学派主张把待估参数θ视为随机变量，而频率学派则认为应把θ看作常数；本例中这个参数就是“筛子所处的状态”。频率学派只考虑了“筛子正常状态”，所以它是一个常量，而Bayes学派则认为筛子的状态是随机变量； 2. 待估参数θ在抽样观测前就具有先验分布，而频率学派认为任何模型都不存在先验（因为既然是常量，就是一定发生的事情，概率为1）。 那么，什么时候考虑使用Bayes统计呢？当你觉得之前的数据不能很好地代表未来的数据和结果的时候，就应该使用贝叶斯统计方法。 参考： 1、《机器学习》 周志华 2、https://www.zhihu.com/question/26895086/answer/1592072589
2020-12-11

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

时间: 2026-04-11 大小: 1MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2025-12-17 大小: 5MB 下载: 1次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2025-12-03 大小: 9.84MB 下载: 39次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册