首页 文章 精选 留言 我的

精选列表

搜索[万物智联]，共10000篇文章
优秀的个人博客,低调大师

华为安全产品领域总裁宋端智：中国网络安全产业发展需要真生态

三年前，我踏入了网络安全产业。 今天来看，这一步很幸运，同时也很不幸。我想大部分网络安全产业从业者都有类似的感受。 一、网络安全产业的幸与不幸 说幸运，是因为我们身处一个接下来十年甚至数十年内会长期快速发展的产业，能抓住一两个这类“风口”产业，是一生难得的运气。网络安全产业未来会长期快速发展，相信大部分人是认同这个判断的。其背后的推导逻辑很简单。 首先，在这个不断数字化的世界，网络安全越来越重要，政府、企业和个人在这件事上一定会越来越重视，愿意花更多的钱去解决可能面临的日趋严峻的网络安全问题;其次，由于存在攻防不断对抗的特点，客户在网络安全方面的实际需求一直未能得到满足，在未来十年甚至更长时间都是如此。试问，今天哪个政府或企业网络安全的负责人敢说自己现在的信息基础设施能够在黑客攻击之下高枕无忧? 说不幸，是因为我们处于一个过去多年一片混战、从业者怨声载道的产业。我曾经参加过一个网络安全产业论坛的研讨，几乎所有与会的圈内大佬都或诉苦，或求助。诉苦者说这个产业竞争太无序，规模不大玩家太多，玩法不规范，赚不到钱。求助者希望政府能够站出来规范这个市场，做好产业分工和合作的协调管理。 如果说这个产业是所谓的“风口”产业，那这个风向就是不确定的，今天是东风，明天变成了西北风。过去这些年来，网络安全各种概念、理念层出不穷：零信任、态势感知、IPDRR、CARTA、软件定义边界、SOAR、城市安全大脑、城市安全运营中心……有些是舶来品，有些是土生土长的。有人拿新概念总能融来不少资金风光几天。可今天你刚把一个概念理解得七七八八，明天可能就过时了。然而，这些光鲜概念的不断涌现对缓解整个社会对网络安全的担心帮助并不大。安全厂商在拿着各种新概念到客户面前侃侃而谈大拍胸脯时，内心是忐忑的，深知光鲜外表下的安全体系仍然脆弱不堪。 厂商抱怨客户不重视安全投资，抱怨竞争对手都在夸海口、出低价，导致市场混乱赚不到钱;有见识的客户不容易被新概念忽悠，但对安全厂商、服务商的交付经常不满意，安全体系建设经常成为摆设，平时还是要靠人拉肩扛被动地度过一个又一个安全事件的坎;国家和政府不断出台相关政策法规，但在不断加大的网络安全风险面前，焦虑不减反增。好像所有人都对这个产业并不满意。 这个产业就是这么矛盾，长期痛并快乐着。 二、网络安全产业繁荣，亟需具备国际竞争力的高品质产品 而其他的“风口”产业不同，有些“风口”产业成长起来了，逐渐成熟，推动社会进步的同时，形成了相对健康的生态，一批玩家从中获得了巨大的商业利益。比如，曾经的电子商务、移动互联网、智能手机、智能穿戴、社交媒体、短视频等等。 也有些“风口”产业幻灭了，或蛰伏了，一部分是因为经济价值或社会价值不大，最终没有被普遍接受。比如，曾经火爆的O2O、共享经济等。还有一部分因为技术不成熟，目前还没有成为颠覆性的力量，比如，VR/AR、人工智能等。 中国网络安全产业到今天还不算已经成长起来了，但也一直没有幻灭，更不会幻灭。我们能够离开O2O模式，也可以接受VR/AR技术不成熟无法普及的现状，但谁也不敢说网络安全可以不要。 但是，这个产业如何才能逐步成熟起来，让大部分和这个产业相关的人满意? 网络安全涉及的范围很广，不仅仅是技术、产品和服务，还包括了法律、制度、管理、流程、人员意识甚至是道德观等。本文聚焦到和技术相关的产品、解决方案和服务，跟各位探讨。 即使限制在技术相关的范畴上，安全的范围也不小。针对具体保护对象的不同或保护对象所在场景的不同，安全产品和技术可以分为很多不同的大类，比如，终端、云、网络、内容、应用、数据、物联网、工控等，再结合为了所要做的安全处置动作，如预防、管理、认证、分析、检测、处置、追溯、审计等，所演化出的产品品类就很多了。 这么多产品品类，加上到目前为止基本依赖于人的、客户定制化很强的安全服务，安全市场看似规模不算小，已有500亿人民币左右(不同机构给出的规模不同，2019年从400亿~600亿不等)，但分到每个玩家(提供安全产品的厂家据统计超过1000家)和每个产品品类上，规模就很可怜了。 而安全厂商们，大多也倾向于不断扩大自己的产品线，试图借此扩大自己的市场规模。于是，很多的安全产品品类，都有数十家甚至数百家厂商参与，试图分一杯羹。比如，防火墙产品，拥有公安部销售许可证的安全厂商多达210家，WAF有81家，漏扫有93家，态势感知作为一个新兴产品品类，也已经有64家厂商。 按理说，这么多的学生，总有几个尖子生，能够在国际比赛中拿得到名次。实际情况并不乐观：到目前为止，除了华为的防火墙产品，获得Gartner网络防火墙魔力象限挑战者、NSS Labs推荐级外，其他国内安全产品少有领先。 有人说，网络安全更看重服务，产品并不重要。这个观点是经不起推敲的，没有一个科技类企业的产品是不重要的。环顾全球500强企业，除了金融、零售、能源等服务类或资源型企业，哪个企业不具备竞争力全球领先的产品?服务诚然对网络安全很重要，但若不能基于高品质的产品，其效果如何完全依赖于个人的技能水平，这样的服务效果不可预测，也不具备可复制性。试想，如果今天的医疗水平仍依赖于扁鹊、华佗这些不世出的神医，而缺少现代的精密仪器、医疗装备和药品，普罗大众一定无法享受到今日的医疗服务。 因此，对网络安全产业来说，产品竞争力同样是产业竞争力的基础。不能说有了领先竞争力的产品就万事俱备，但如果没有就不可能实现产业的成熟和健康，不可能让客户满意，更不可能让安全企业在国际上开疆拓土。 三、不凡之路无捷径，用心打磨高品质产品 那么作为网络安全企业，如何才能做出高品质的产品? 答案是没有捷径，必须舍得投入，用心打磨。 舍得投入主要指舍得在研发上投入人和钱。是否将业界的牛人投入在关键技术突破上，是否有足够的资金支撑长期研发投入。 有了投入还不够，还需要用工匠精神用心打磨。只有基于客户场景和需求不断改进，一步一个脚印地进步，才有可能打造出高品质的产品来。 前文提到国内网络安全企业倾向于不断扩大产品线来做大规模。在这种情况下，对于单产品的研发投入经常是不够的。目前一些规模较大的厂商倾向于做全产品线，用有限的研发投入支撑数十种甚至上百种安全产品的研发。撒胡椒面儿式的投入，很难做出有竞争力的产品。 和撒胡椒面式的研发投入方式不同的是聚焦到某个或某些产品品类上，华为就是如此。我们在安全产品研发上秉承华为一贯的风格，首先研发投入的人员和资金规模在国内可以说首屈一指，同时研发的产品品类有限，聚焦两类产品：HiSecEngine系列防火墙、IPS等安全网关设备;HiSec Insight安全态势感知系统等安全分析与管理平台。华为致力于将产品竞争力做到全球领先，获得客户认可。 每个企业都希望做大规模，这两类企业选择了两种不同发展路径。前者希望先把规模做大，也许规模大了有了足够资金后再有选择地将产品竞争力做起来。后者试图先把产品竞争力做强，希望通过拥有竞争优势的产品获取更大市场份额，从而将公司规模做大。 这两条路对比，我认为后一条路的根基更稳，后劲更足，对整个网络安全产业更有帮助。若大家都选择做全产品线，每种产品每个厂商都蜻蜓点水地投入，会带来大量的低水平重复投入，也导致各厂家之间恶性竞争。 然而，走聚焦这条路的企业却面临额外挑战，华为也不例外。过去我在面对客户时，经常面临两个质疑：1、你们产品虽好，但产品线不全，无法提供完整的安全解决方案;2、客户更关心服务而不是产品，你们聚焦做产品但没有大量投入做全面的安全服务，无法匹配客户期望。 这两年来我和多个走类似路线的安全企业负责人进行过探讨，发现这些企业也面临同样的困境。虽然他们单产品竞争力更强，但在很多行业客户那里却经常没有机会参与竞争。比如，深圳某个企业，多年来一直聚焦做终端安全，他们在金融行业做得很好。为了确认合作伙伴的产品竞争力和技术实力，我们也专门调研过这些客户对他们产品的评价如何，发现客户评价总体非常高。然而，就是这样一家企业，在政府行业中几乎没有存在感，为什么?因为政府客户一般不会仅仅因为单个产品出色就选择这个厂商。 四、精诚合作真生态，促网络安全产业健康发展 那么，该如何破局?让单产品竞争力更强的厂商生存地更好，实现良币驱逐劣币?如果该局可破，对整个中国的网络安全产业来说都是一件大好事，一定可以促进这个产业更加成熟和健康。 要破这个局，我认为必须建立一个真正的安全厂商、服务商之间精诚合作的生态。这个生态不能依靠政府行政命令或依靠社会责任驱动，要通过市场经济的手段，通过生态伙伴之间利益分享的驱动力来实现。 理想情况下，有人牵头将细分品类竞争力强的产品厂商汇聚起来。这些有竞争力的产品通过系统地、有机地组合，形成完整的安全解决方案。由于这个联合解决方案的各个部件产品都有竞争力，整个解决方案竞争力也可以达到最优。同时，再在这个生态中引入一些理解客户业务、有能力的安全服务提供商，让他们基于这个竞争力最优的联合解决方案为最终客户提供服务。那么这个服务的效果、效率一定也是最优的。 正是基于这个想法，我们在2018年创建了华为安全商业联盟。强调“商业”，就是希望通过商业的手段解决利益的问题，从而让这个生态具备长久的生命力。这个联盟经过过去两年的探索，积累了一些成功的经验，也有一些失败的教训，并且过程中也筛选出了一批真正适合这个合作模式的志同道合的生态伙伴。基于这两年的探索，今年华为会将这个联盟进行升级，从过去的1.0版本升级到接下来的2.0版本。 华为安全商业联盟2.0版本计划在今年8月8日正式对外发布，请大家关注。 【责任编辑： 周雪 TEL：（010）68476606】
2020-06-30
优秀的个人博客,低调大师

案例详解|大数据上云助力新零售企业数智化转型，挖掘数据的价值

传统大卖场营收持续下滑，必须通过业务创新走出困境 曾经风光无限的零售大型超市业态--大卖场，当初代表先进零售模式进入中国市场，激起零售行业蓬勃发展的大浪潮，但是近年来，随着人们消费方式的巨大转变以及来自电子商务的冲击，传统大卖场的发展发生逆转。传统的零售技术和模式已经无法满足顾客的需求，同时传统门店面临租金高，成本高，人流量减少等困境，亟需寻求新的发展。以数字化改造为手段，提升大卖场精细化运营能力成为行业共识。面对新消费时代，商家可以借助大数据和人工智能等技术手段，快速从业务数据中找到业务特点，同时具备千人千面精准营销的能力，从而提升会购物体验，增强复购和会员粘性。数据中台是大数据时代的概念，大量的业务行为数据集中到数据中台做大数据分析，企业可对各类业务行为进行分析，给企业在营收、库存管理、商品管理等各个方面的决策提供数据依据。 D客户是中国连锁超市领军企业，年销售额过千亿，全国覆盖华东、华南、华中、东北、华北等多个大区，全国门店数四百家左右，单店平均面积在2万平米以上。近年来，在整个商超业绩下行的趋势下，D客户年度净利润保持百分之十几同比增长的同时，单店营收呈现负增长，所以几年前就启动了数字化改造，提升精细化运营能力，寻求新的发展。 为什么上云-数据分析效率低，影响业务分析与决策 D客户基于商品、会员、仓储、供应商、商户等业务行为产生大量的数据，基于这些数据要做大量的数据分析完成营收分析（成本、损耗、收入、价格等），库存管理（滞销、临保、缺货、周转率等），商品管理和商品竞争（淘汰、品类覆盖、价格指数等）。而D客户在IDC自建的大数据平台，数据吞吐量规模存在瓶颈，查询性能也不够理想，导致数据分析能力弱，效率低，影响业务分析与决策，如全年商品汰换率目标无法达成。 阿里云为企业大数据实施提供了一套完整的一站式大数据解决方案，覆盖企业数仓、商业智能、机器学习、数据可视化等多个领域，助力企业在DT时代更敏捷、更智能、更具洞察力。通过对客户现状的分析，推荐D客户使用的大数据产品MaxCompute有如下好处： 数据产生价值周期更快： 阿里云MaxCompute比自建的Hive 2.0+Tez快90%，使得数仓离线计算的数据处理时间不到原来自建方式的1/3。 托管服务免运维，让企业专注业务：最重要的是采用阿里云Maxcompute，客户将所有精力都放在业务上，节省了自建机房在学习成本、开发成本、管理成本、投入机房资源和运维成本的总成本，相比自建Hadoop物理集群，使用阿里云数加MaxCompute的总成本有较大降低，应用开发效率有很大提高。 开箱即用提升效率：基于阿里云数加MaxCompute提供的开放接口和各类工具，以及一站式的大数据开发套件，项目实施难度低，让开发者将精力全部放在数据处理、分析和应用上，极大的降低大数据应用开发的技术难度。 专业服务保驾护航：阿里云平台所提供的7×24小时技术支持服务则可以让客户随时随地获得专业的技术支持，让IT不再成为业务发展的限制。 依托于阿里云在安全性方面有全面考虑的底层平台和众多的安全监控工具，客户的各类应用数据即使放在云端也可以确保万无一失。 为什么上云-云下IDC资源利用率较低，部署冗余，人力支出高，资源弹性和扩展性不足 D客户通过在自建IDC服务器资源构建大数据平台，资源利用率不高，部署较为冗余，升级和维护困难，运维和基础设备开发人力支出成本比较高，而且随着自建IDC规模的扩大，企业成本大幅上升。 选择阿里云，可以按需使用云服务，无需人力维护物理设备，相对成本线性，实际TCO更低。 为什么上云-享受技术红利，提升效率 选择阿里云，阿里巴巴每年数百亿的研发投入带来的技术红利，云上即享。阿里云将达摩院机器智能技术实验室所有的智能技术，如智能语音、NLP、知识图谱、人脸识别、机器翻译等技术通过阿里云官网开放给用户，目前阿里云官网上大约有适用于300多个场景的130多个AI产品供用户使用。D客户上云后就尝试使用了阿里云智能推荐产品，阿里云智能推荐内置大量推荐算法以及模型训练的样本，训练深度、效率和准确率相比D客户原自建的推荐产品有很大的提升。 上云步骤与方案-丰富的解决方案，搬站工具和最佳实践使得企业上云周期短、切换影响小 阿里云拥有丰富的迁云工具和解决方案，截止2019年4月，阿里云官网已上线200+云产品、200+解决方案，100+上云最佳实践，帮助企业客户快速完成迁云方案评估，迁云实施和生产流量切换，全面提升企业业务的可靠性、安全性。 下面以D客户大数据平台上云切换为例介绍大数据上云步骤。 图１上云前架构示意图 图１为D客户在上云之前的大数据平台整体架构，大数据平台为自建IDC集群，规模在40+台，数据量近300TB（压缩策略为1：3），整体以Hadoop+Spark生态为架构，另外采购列式存储的MPP数据库Vertica作为上层应用依赖的核心数据库。 图２云上架构示意图 经历1月的POC测试后，D客户项目管理层最终决定，D客户数据中台基于阿里DataWorks+MaxCompute为主要核心来构建，最终解决方案如上图２所示。迁移方案具体说明如下： Hive历史数据（csv、txt、parquet、orc文件）通过MMA进行迁移。 MySQL/Oracle业务数据通过DataWorks-数据集成/DataX进行增量方式拉入MaxCompute。 Kakfa数据为日志数据，通过DataWorks -DataX脚本模式增量写入。 成熟的自动化迁移工具在本案例中起到至关重要的作用，大大缩短了迁移进程，并降低了迁移难度。以线下Hadoop的Hive数据迁移到云上MaxCompute为例，通过迁移工具MaxCompute Migration Assist（MMA）来加速迁移工作，如图３所示。 图3 通过MMA迁移工具迁移Hive数据示意图 MMA的工作流程主要分为四个步骤： Metadata抓取Meta carrier连接用户的Hive Metastore服务，抓取用户的Hive Metadata并在指定目录下生成一个目录，包含搬站所需的Metadata。用户可自行修改该目录下的文件来自定义搬站工具的一些行为。 MaxCompute DDL与Hive UDTF生成利用上述步骤抓取到的Metadata，生成另一个目录，包含用于创MaxCompute表和分区的所有的DDL语句，还包含用于数据迁移的Hive UDTF SQL。 MaxCompute 表创建运行上述批量生成的MaxCompute DDL，创建Hive迁移所需映射到MaxCompute的表与分区。 Hive数据迁移在用户Hadoop集群上运行上述步骤中所生成的Hive UDTF SQL，进行传输数据。需要注意的是，该UDTF是执行在用户Hadoop集群上，故需要关注到资源占用情况以及Hadoop集群到MaxCompute集群的网络连通性情况。 客户收益 通过大数据平台上云并建立数据中台，整合线上业务和渠道，线下门店和B2B渠道的数据，D客户形成9大数据主题域，建立战略决策、管理决策、门店运营的数据运营体系，为业务提供及时的数据决策支持，效率提升的同时保证商品汰换的效率和频度。 阿里云提供了完善的云上托管的数据处理方案、大规模计算储存、细粒度节点依赖管理等功能，D客户上云后，节省了30%的服务及人力成本。托管服务，无需对复杂作业进行运维，使企业更加专注于业务。 使用成本低，同时提供更高的数据吞吐量和查询性能，可视化编辑界面，方便操作，且与阿里云大数据产品生态融为一体。 电商平台相关单品推荐点击率提升70%到150% 附录 本案例涉及到的最佳实践列表： MMA迁移工具https://help.aliyun.com/document_detail/142727.html?spm=5176.10695662.1996646101.searchclickresult.c8c4262e5167ek&aly_as=EwWrWsnf DataWorks一站式大数据智能云研发平台https://data.aliyun.com/product/ide?spm=5176.12825654.h2v3icoap.156.e9392c4aA8nWLQ&aly_as=nV7UhLXe Hive数据如何同步到MaxCompute之实践讲解 – 基于MMAhttps://yq.aliyun.com/articles/727330?spm=5176.10695662.1996646101.searchclickresult.c8c4262e5167ek Hadoop数据迁移MaxCompute最佳实践 – 基于DataWorkshttps://help.aliyun.com/document_detail/90315.html?spm=5176.10695662.1996646101.searchclickresult.19642d0cDQWghl&aly_as=jEkgU2CG Kafka数据迁移MaxCompute最佳实践 – 基于DataWorkshttps://help.aliyun.com/document_detail/120535.html?spm=5176.10695662.1996646101.searchclickresult.19642d0cDQWghl&aly_as=J1PvdnP0 Elasticsearch数据迁移至MaxCompute – 基于DataWorkshttps://help.aliyun.com/document_detail/121009.html?spm=a2c4g.11186623.4.4.2cf1145bNtEpla
2020-02-05
优秀的个人博客,低调大师

容器化系统的痛点通过睿云智合技术的改变大幅提高系统变更质量

境搭建-过去，流程搭建环境是先提交环境需求单，走审批流程，然后运维人员搭建虚拟机，安装中间件等，时间消耗在繁杂的流程审批和安装虚拟机中间件上。现在，通过容器云平台，只需从平台选择需要部署的镜像文件版本，然后直接部署到云平台定义好的相应环境的资源池中即可。环境搭建时间由过去的以天为单位提高到以分钟为单位。 编译打包-过去，编译打包各个项目人员各自为阵使用本地编译环境及依赖，一旦出现问题在测试过程中才能发现，造成返工，影响整个项目的进度。现在，通过容器云平台开发人员只需提交代码，构建打包在平台上统一完成，编译环境一致，过程透明，自动化流水线中出现问题一目了然。最终生成标准化的镜像交付物可以在任意环境中部署运行。 部署升级-过去，应用部署升级虽然有部署工具，但如果环境比较多，更新频繁，将非常消耗时间。现在，通过容器云平台可以用应用商店或者预设好的部署流水线对相应系统或者服务组件版本进行自动部署升级。 交付版本-过去，生产版本交付流程复杂，现在，通过容器云平台只需要将可发布镜像从测试环境同步至生产环境就可一键部署至生产环境。 过去，很多测试是人工完成的，一旦需求比较多，就造成排队的现象，滞缓迭代速度，测试用例的保存也是靠人工完成，一旦需要测试用例回归测试，有可能测试用例已丢失，又需要花时间去整理用例，协调测试数据。 现在，通过要求开发人员提高自动化测试覆盖率并在平台上建立自动化测试流水线阶段，平台能够做到保存测试用例和脚本，以便测试用例回放，每次迭代将自动进行测试，并将测试结果实时邮件通知测试人员，开发人员，大大减少了人工工作量。另外，也将很方便进行负载均衡和压力测试。
2017-11-15
优秀的个人博客,低调大师

自然语言处理领军人刘兵：没有终身学习，机器不可能智能 | 新智元专访

将一块石子投向水中会发生什么？ 这个问题对人而言简单，对计算机却很难，因为答案有太多——可能是溅起水花，激起波纹，也可能惊动水中的鱼，击中池边的花……还可能是上面所有这些乃至更多。因此，计算机无无法作答。 “语言是不精确的，字面意思背后还有太多太多。”美国伊利诺伊大学芝加哥分校的计算机科学教授刘兵说。这也是为什么相较有着一对一表征的图像和语音，自然语言处理是一个如此艰巨的问题。 人类理解语言是将左边的感受（sensation）转化为右边的行动（action），而中间有一个表征。自然语言与图像和语音不同的地方在于，中间表征并非一一对应。换句话说，语言是不精确的。 要让计算机理解人类的语言，现在一般有两条路。一是从形式语言入手，将文本切割为单词、标点这些没有意义的 token，把知识“硬编码”给计算机。研究者会把各种 token 组合起来手动
2017-07-31
优秀的个人博客,低调大师

生态聚力・智启新程｜openKylin生态委员会第七次会议圆满召开

2026年9月29日，OpenAtom openKylin（简称"openKylin"）生态委员会第七次会议成功举行。与会委员围绕委员增选、工作组管理、生态运营进展及未来规划等议题展开讨论，共同推动社区治理与生态建设。 治理焕新｜生态委员会再添强援 社区治理结构持续优化，新鲜血液正式注入。会议审议增选周庆飞、尹志超 两位行业专家为openKylin生态委员，周庆飞现任中电长城科技有限公司技术支持部/规划科技部总经理，尹志超现任广州视源电子科技股份有限公司商用显示BG副总裁。会议还审议通过《openKylin社区生态委员会工作组管理办法》，为工作组规范组建和高效运作提供制度保障。 生态跃升｜社区规模稳步壮大 会上，openKylin生态委员会主任李震宁汇报了社区建设进展与未来规划。目前，openKylin社区累计用户超291万、开发者超2.9万，会员单位2476家（新增311家），高校站136家（新增6所），已设立158个技术SIG组（新增6个），PR累计提交量突破2.8万条（新增7100个）。2026年社区新增7项证书，累计获得50余项证书，包括“卓越共建单位”“优秀命题”“最佳开源智能突破奖”“2025年软件和信息技术服务业明星开源社区”等荣誉，并入选上合成果清单。 技术方面，完成飞腾、海光、龙芯等平台适配，R4L SIG两个补丁集被Linux上游接收。AI生态建设持续推进，Token中心、openKylin-skills技能库和Kylin-CUA项目相继上线，多款主流智能体完成适配上架。RISC-V生态稳步发展，压缩性能提升约3.25倍，软件商店首批7款应用上架。 openKylin 3.0正式发布，累计修复Bug 744个，严重Bug修复率达94.1%，计划于9月底发布维护更新。 携手伙伴｜共建开放生态 本次生态委员会会议为openKylin社区下一阶段发展锚定方向、凝聚力量。未来，openKylin将继续秉持开放、协作、共享的开源精神，联合产业链伙伴，深耕AI与RISC-V等方向，完善软硬件生态，推动开源操作系统及相关产业持续发展。
2026-09-30

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: 2026-08-21 大小: 1MB 下载: 10次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 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: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6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