可擴(kuò)展性問題一直困擾著計(jì)算和網(wǎng)絡(luò)工作，但現(xiàn)在環(huán)境更加復(fù)雜且更具挑戰(zhàn)性，需要從多個(gè)維度進(jìn)行綜合考慮。通過優(yōu)化流程、提升IT運(yùn)營效率、簡化架構(gòu)、加強(qiáng)數(shù)據(jù)管理、合理利用人工智能等手段，企業(yè)可以更好地應(yīng)對(duì)可擴(kuò)展性的挑戰(zhàn)，實(shí)現(xiàn)持續(xù)發(fā)展。
圖源：Myrarte via Alamy Stock
隨著企業(yè)的成長和技術(shù)棧變得更加復(fù)雜，可擴(kuò)展性仍然是一個(gè)首要問題。
“公司在物理和虛擬空間中擴(kuò)展都面臨重大挑戰(zhàn)。雖然跨區(qū)域的整體運(yùn)營方法具有優(yōu)勢，但它也引入了復(fù)雜性，”高級(jí)分析軟件提供商Seeq（是一家位于華盛頓州西雅圖的制造業(yè)和工業(yè)物聯(lián)網(wǎng)/IIoT高級(jí)分析軟件提供商。Seeq專注于為工業(yè)物聯(lián)網(wǎng)處理制造數(shù)據(jù)，提供快速診斷系統(tǒng)問題和預(yù)測維護(hù)需求的功能。其軟件可以對(duì)用戶的數(shù)據(jù)進(jìn)行分析，使用戶能夠在數(shù)分鐘內(nèi)得到可行的解決方案，并支持快速查看和共享數(shù)據(jù)分析結(jié)果。）的首席技術(shù)官Dustin Johnson（達(dá)斯汀·約翰遜）說，“云可以提供幫助，但它并不總是一個(gè)放之四海而皆準(zhǔn)的解決方案，特別是在計(jì)算需求方面。對(duì)于人工智能工作負(fù)載的專業(yè)資源，如GPU（圖形處理器，又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個(gè)人電腦、工作站、游戲機(jī)和一些移動(dòng)設(shè)備。如平板電腦、智能手機(jī)等上做圖像和圖形相關(guān)運(yùn)算工作的微處理器。），與標(biāo)準(zhǔn)流程的CPU一樣至關(guān)重要，像Kubernetes（是一個(gè)開源自動(dòng)化工具，它可以幫助企業(yè)部署、擴(kuò)展和管理容器化的應(yīng)用程序。最初由谷歌開發(fā)，但現(xiàn)在由云原生計(jì)算基金會(huì)/CNCF維護(hù)，它幫助公司在一組機(jī)器上自動(dòng)化容器化應(yīng)用程序的部署和擴(kuò)展，重點(diǎn)是容器和存儲(chǔ)協(xié)調(diào)、自動(dòng)擴(kuò)展、自我修復(fù)以及服務(wù)發(fā)現(xiàn)和負(fù)載平衡。功能包括自動(dòng)檢測錯(cuò)誤和故障并從中恢復(fù)的能力，用于管理流量的內(nèi)置負(fù)載平衡，以及在考慮需求、資源和成本的同時(shí)自動(dòng)擴(kuò)展應(yīng)用程序的能力。）這樣的技術(shù)允許有效的集群和擴(kuò)展。然而，應(yīng)用程序必須設(shè)計(jì)得能夠充分利用這些特性，否則它們將無法實(shí)現(xiàn)這些好處?！?/span>
涉及的技術(shù)種類繁多，造成了顯著的復(fù)雜性。
“如今，垂直整合的技術(shù)堆棧并不實(shí)際，因?yàn)楣疽蕾囉诓煌膽?yīng)用程序、基礎(chǔ)設(shè)施、AI/ML工具和第三方系統(tǒng)，”Johnson（約翰遜）說，“集成所有這些組件——確保兼容性、安全性和可伸縮性——需要在整個(gè)技術(shù)領(lǐng)域進(jìn)行仔細(xì)的協(xié)調(diào)。”
一個(gè)常見的錯(cuò)誤是將可擴(kuò)展性視為一個(gè)狹窄的技術(shù)問題，而不是系統(tǒng)設(shè)計(jì)的一個(gè)基礎(chǔ)方面。以短期的、拼湊的心態(tài)來處理它，長遠(yuǎn)來看會(huì)限制靈活性，并可能使應(yīng)對(duì)不斷增長的需求變得困難。
以下是2025年需要更好地?cái)U(kuò)展的一些其他事項(xiàng)。
1.流程
許多組織仍然有手動(dòng)流程，這些流程阻礙了速度和規(guī)模。例如，如果用戶需要提交一個(gè)新服務(wù)器的工單來實(shí)施一個(gè)新項(xiàng)目，必須有人寫工單，有人接收工單，有人必須激活它，然后必須對(duì)其進(jìn)行處理。這是一個(gè)完整的步驟序列。
“這不是一種可擴(kuò)展的運(yùn)行環(huán)境的方式，所以我認(rèn)為通過利用自動(dòng)化來擴(kuò)展流程是一個(gè)非常重要的話題，”IBM（國際商業(yè)機(jī)器公司或萬國商業(yè)機(jī)器公司，總公司在紐約州阿蒙克市。IT公司-國際商業(yè)機(jī)器公司。1911年托馬斯·約翰·沃森創(chuàng)立于美國，是全球最大的信息技術(shù)和業(yè)務(wù)解決方案公司，擁有全球雇員 31萬多人，業(yè)務(wù)遍及160多個(gè)國家和地區(qū)。）的創(chuàng)新部門總經(jīng)理兼首席技術(shù)官、IBM院士Hillery Hunter（希拉里·亨特）說，“對(duì)此有很多不同的答案，從自動(dòng)化到人們談?wù)摰膬?nèi)容，比如IT運(yùn)維或編排技術(shù)。如果有一位首席信息官試圖擴(kuò)展某事物，并且需要分別從首席信息安全官、首席風(fēng)險(xiǎn)官或首席數(shù)據(jù)官團(tuán)隊(duì)獲得許可，這種審批的序列化會(huì)阻礙速度和可擴(kuò)展性?！?/span>
想要實(shí)現(xiàn)更高速度的組織應(yīng)該使其成為高層管理團(tuán)隊(duì)成員的共同責(zé)任。
“你不只是想在你的組織中自動(dòng)化低效的事情。你真的想轉(zhuǎn)變業(yè)務(wù)流程，”Hunter（亨特）說，“當(dāng)你將IT、信息和安全的所有者匯聚一堂時(shí)，你消除了決策過程的序列化，你消除了說“不”的沖動(dòng)，并創(chuàng)造了一個(gè)集體的動(dòng)力來說“是”，因?yàn)槊總€(gè)人都明白轉(zhuǎn)型是相互的，是一個(gè)團(tuán)隊(duì)目標(biāo)?！?/span>
2.IT運(yùn)營
IT總是面臨著在不犧牲質(zhì)量的情況下更快交付的壓力，但是用更少的資源做更多事情的壓力讓IT領(lǐng)導(dǎo)和他們的員工不堪重負(fù)。
“可擴(kuò)展性需要通過更高的效率和自動(dòng)化來實(shí)現(xiàn)，并使用AIOps（智能運(yùn)維。是指利用人工智能等技術(shù)，精準(zhǔn)地管控和分析IT系統(tǒng)中的海量運(yùn)維數(shù)據(jù)，并通過自動(dòng)化、智能化的方式來優(yōu)化運(yùn)維流程、提高運(yùn)維效率和運(yùn)維質(zhì)量。AIOps的特點(diǎn)是利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI技術(shù)，對(duì)運(yùn)維類數(shù)據(jù)進(jìn)行分析和處理，從而對(duì)運(yùn)維目標(biāo)進(jìn)行健康度評(píng)估、智能定位和異常分析，甚至發(fā)現(xiàn)潛在問題，提升目標(biāo)系統(tǒng)的可用性和穩(wěn)定性。AIOps將會(huì)成為IT運(yùn)維的重要發(fā)展方向，幫助企業(yè)更加高效、智能地實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。）等來監(jiān)督環(huán)境，并確保在你擴(kuò)展時(shí)，你保持你的安全和彈性標(biāo)準(zhǔn)。”亨特說：“我認(rèn)為在那些流程崩潰之前，不會(huì)重新設(shè)想IT和應(yīng)用程序管理中的自動(dòng)化程度。投資可能不夠快，所以他們不能足夠快地進(jìn)行擴(kuò)展?！?/span>
3.架構(gòu)
為了快速進(jìn)入市場，初創(chuàng)公司可能會(huì)受到誘惑，從現(xiàn)有的預(yù)制組件中構(gòu)建一個(gè)新的服務(wù)，這些組件可以以“大致合適”的方式組合在一起，但會(huì)展示出業(yè)務(wù)理念。這可能會(huì)導(dǎo)致無意中創(chuàng)建出非常復(fù)雜的系統(tǒng)，由于其純粹的復(fù)雜性而無法擴(kuò)展。雖然這種方法在開始時(shí)可能效果很好，但在以后獲得業(yè)務(wù)批準(zhǔn)來完全重新架構(gòu)一個(gè)正在顯示成功跡象的工作服務(wù)可能非常困難。
“首先，在解決方案的架構(gòu)階段要非常小心，因?yàn)閺?fù)雜性會(huì)致命。這不僅僅是一個(gè)可靠性或安全性的論點(diǎn)，這在很大程度上是一個(gè)可擴(kuò)展性的論點(diǎn)，”云備份和恢復(fù)平臺(tái)Keepit（?是一家專門為企業(yè)提供云到云備份服務(wù)的公司，成立于2007年，總部位于丹麥哥本哈根。其主要為企業(yè)提供Office 365、Google Apps和Salesforce的云備份和SaaS工作負(fù)載保護(hù)服務(wù)。）的首席技術(shù)官Jakob ?stergaard（雅各布·厄斯特高）說，“復(fù)雜的結(jié)構(gòu)很容易導(dǎo)致無法簡單地‘用硬件解決問題’的情況，這可能導(dǎo)致業(yè)務(wù)和工程方面的挫敗感?！?/span>
他建議：“以批判的心態(tài)開始，知道在良好的架構(gòu)上的前期投資將多次回報(bào)自己?！?/span>
4.數(shù)據(jù)可見性
組織一直在不斷地致力于使數(shù)據(jù)貨幣化。為此，他們需要在整個(gè)生命周期中大規(guī)模地積極管理這些數(shù)據(jù)。
“雖然在過去幾十年中，云計(jì)算已經(jīng)越來越受歡迎，但仍然存在很多困惑，這導(dǎo)致了一些挑戰(zhàn)，包括了解你的云數(shù)據(jù)存儲(chǔ)在哪里、它包含什么以及如何確保它得到適當(dāng)?shù)谋Ｗo(hù)，”數(shù)據(jù)安全公司Rubrik（是一家提供數(shù)據(jù)安全解決方案的公司，成立于2013年。其主要產(chǎn)品是一個(gè)云數(shù)據(jù)管理平臺(tái)，具備與位置無關(guān)的內(nèi)容管理能力，提供云服務(wù)+本地混合數(shù)據(jù)備份解決方案。其平臺(tái)將備份軟件、備份服務(wù)器硬件以及備份存儲(chǔ)融合為單個(gè)備份基礎(chǔ)設(shè)施，能夠根據(jù)客戶需要將備份分發(fā)到其他地方，并在需要時(shí)即時(shí)從云端恢復(fù)數(shù)據(jù)。）的聯(lián)合創(chuàng)始人兼首席技術(shù)官Arvind Nithrakashyap（阿爾溫德·尼特拉卡什亞普）說，“在可擴(kuò)展性方面，一個(gè)盲點(diǎn)是無結(jié)構(gòu)和半結(jié)構(gòu)化數(shù)據(jù)。”
非結(jié)構(gòu)化數(shù)據(jù)構(gòu)成了安全風(fēng)險(xiǎn)，因?yàn)樗赡馨舾械臉I(yè)務(wù)數(shù)據(jù)或個(gè)人身份信息。由于所有非結(jié)構(gòu)化數(shù)據(jù)都是使用TCP/IP（Transmission Control Protocol/Internet Protocol，傳輸控制協(xié)議/因特網(wǎng)協(xié)議。是Internet最基本的協(xié)議，由網(wǎng)絡(luò)層的IP協(xié)議和傳輸層的TCP協(xié)議組成。TCP/IP定義了電子設(shè)備如何連入因特網(wǎng)，以及數(shù)據(jù)如何在它們之間傳輸?shù)臉?biāo)準(zhǔn)?。）網(wǎng)絡(luò)上的標(biāo)準(zhǔn)協(xié)議與最終用戶應(yīng)用程序共享的，因此它是威脅行為者的主要目標(biāo)。由于大多數(shù)公司都有混合云和多云實(shí)施，所以IT部門需要了解敏感數(shù)據(jù)在哪里、它正在流向哪里以及它是如何得到保護(hù)的。
“對(duì)于非結(jié)構(gòu)化數(shù)據(jù)組合包括數(shù)十億文件和/或數(shù)拍字節(jié)數(shù)據(jù)的組織來說，最困難的障礙之一是保持對(duì)這些數(shù)據(jù)集及其使用模式的準(zhǔn)確、最新的計(jì)數(shù)，”Nithrakashyap（尼特拉卡什亞普）說，“[你需要理解]諸如存在多少文件、，它們在哪里，它們有多舊，以及它們是否仍在積極使用等事情。如果沒有對(duì)關(guān)鍵業(yè)務(wù)文件的全范圍的可靠、最新的可見性，你的組織很容易被你的數(shù)據(jù)足跡的規(guī)模所淹沒，不知道關(guān)鍵數(shù)據(jù)集在哪里，哪些數(shù)據(jù)集仍在增長，以及哪些數(shù)據(jù)集已經(jīng)過時(shí)不再使用。”
5.SaaS服務(wù)API
API（應(yīng)用程序編程接口，是一些預(yù)先定義的函數(shù)，目的是提供應(yīng)用程序與開發(fā)人員基于某軟件或硬件的以訪問一組例程的能力，而又無需訪問源碼，或理解內(nèi)部工作機(jī)制的細(xì)節(jié)。）是將我們的現(xiàn)代軟件驅(qū)動(dòng)的世界連接在一起的粘合劑。Keepit的?stergaard（厄斯特高）表示，他的公司看到軟件即服務(wù)API的瓶頸，這些API是供應(yīng)商提供給一般使用的，從明確的節(jié)流到慢響應(yīng)，甚至是間歇性故障。為了在系統(tǒng)之間實(shí)現(xiàn)更好、更緊密的集成，API需要擴(kuò)展到更高體積的使用。
“從根本上說，一個(gè)不進(jìn)行擴(kuò)展的API是毫無意義的，”?stergaard（厄斯特高）說，“為了讓API有用，我們希望它們是可用的。不是一點(diǎn)點(diǎn)，不僅是有時(shí)，而是一直并且盡可能多地滿足我們的需求。否則，有什么意義呢？”
盡管很難確定一個(gè)限制因素，但如果用戶體驗(yàn)有任何指示作用，那么似乎一些服務(wù)是建立在供應(yīng)商難以擴(kuò)展以適應(yīng)更高使用量的架構(gòu)之上的。
“這是計(jì)算機(jī)科學(xué)中的一個(gè)經(jīng)典問題——例如，如果一個(gè)服務(wù)是圍繞一個(gè)中央數(shù)據(jù)庫構(gòu)建的，那么添加更多的API前端節(jié)點(diǎn)可能對(duì)提高API的可擴(kuò)展性沒有任何作用，因?yàn)槠款i可能在中央數(shù)據(jù)庫中，”?stergaard（厄斯特高）說，“如果系統(tǒng)是建立在以中央數(shù)據(jù)庫為其核心功能的基礎(chǔ)上，那么用在許多系統(tǒng)上分布得更好的東西來替換那個(gè)中央組件可能需要從頭開始完全重寫服務(wù)。對(duì)于現(xiàn)實(shí)世界的服務(wù)來說，使一個(gè)服務(wù)擴(kuò)展以適應(yīng)更高的使用量通常與僅僅在它所運(yùn)行的云平臺(tái)上點(diǎn)擊‘彈性擴(kuò)展’按鈕有很大的不同”
要擴(kuò)展解決方案，它必須建立在“盡可能簡單”架構(gòu)上，因?yàn)榧軜?gòu)復(fù)雜性通常是擴(kuò)展解決方案的主要障礙。一個(gè)復(fù)雜的架構(gòu)會(huì)使向解決方案投入硬件完全無效。
6.人工智能
隨著人工智能使用的加速，云和網(wǎng)絡(luò)安全的可擴(kuò)展性變得更加關(guān)鍵。
“大多數(shù)公司仍處于人工智能的探索階段，因此在能力、成本等方面實(shí)現(xiàn)擴(kuò)展所需的條件仍未完全理解。它需要一種持續(xù)學(xué)習(xí)和實(shí)驗(yàn)的方法，強(qiáng)烈關(guān)注結(jié)果，以確定正確的活動(dòng)優(yōu)先級(jí)，”數(shù)字勞動(dòng)力轉(zhuǎn)型公司Skillsoft（是一家私募股權(quán)支持的企業(yè)培訓(xùn)軟件發(fā)行商，業(yè)務(wù)主要涉及企業(yè)教育和培訓(xùn)，擁有在線課程、電子書包、電子影像資料等教育內(nèi)容。深受疫情沖擊，導(dǎo)致因客戶數(shù)量減少而于2020年6月申請(qǐng)破產(chǎn)。但由于與空白支票公司Churchill Capital Corp II達(dá)成合作，時(shí)隔一年居然實(shí)現(xiàn)了在紐交所曲線上市。）的首席信息官Orla Daly（奧拉·戴利）說。
IT領(lǐng)導(dǎo)者必須確保與業(yè)務(wù)領(lǐng)導(dǎo)者在預(yù)期的結(jié)果和關(guān)鍵的成功因素上保持一致。他們還需要了解組織中的技能和資源，定義KPIs（關(guān)鍵績效指標(biāo)，是通過對(duì)組織內(nèi)部流程的輸入端、輸出端的關(guān)鍵參數(shù)進(jìn)行設(shè)置、取樣、計(jì)算、分析，衡量流程績效的一種目標(biāo)式量化管理指標(biāo)，是把企業(yè)的戰(zhàn)略目標(biāo)分解為可操作的工作目標(biāo)的工具，是企業(yè)績效管理的基礎(chǔ)。KPI可以是部門主管明確部門的主要責(zé)任，并以此為基礎(chǔ)，明確部門人員的業(yè)績衡量指標(biāo)。建立明確的切實(shí)可行的KPI體系，是做好績效管理的關(guān)鍵。關(guān)鍵績效指標(biāo)是用于衡量工作人員工作績效表現(xiàn)的量化指標(biāo)，是績效計(jì)劃的重要組成部分。）并填補(bǔ)關(guān)鍵空白。
“沒有積極管理擴(kuò)展需求的團(tuán)隊(duì)會(huì)發(fā)現(xiàn)一方面是次優(yōu)決策或成本失控，或者是由于沒有定義擴(kuò)展的推動(dòng)因素和路徑而缺乏進(jìn)展，”Daly（戴利）說，“擴(kuò)展技術(shù)最終是為了實(shí)現(xiàn)業(yè)務(wù)成果，因此繼續(xù)將活動(dòng)與公司的優(yōu)先事項(xiàng)聯(lián)系起來很重要。人們很容易被新的和令人興奮的能力所吸引，創(chuàng)新仍然很重要，但當(dāng)涉及到擴(kuò)展時(shí)，采取深思熟慮和有節(jié)制的方法更為重要?！?/span>
7.生成式人工智能
組織正在努力以成本效益的方式擴(kuò)展生成式人工智能。大多數(shù)供應(yīng)商根據(jù)代表單詞或字符的數(shù)字的代幣來計(jì)費(fèi)他們的模型。輸入和輸出代幣的成本不同。例如，Anthropic（是一家人工智能初創(chuàng)公司，由前 OpenAI 員工創(chuàng)立，成立于2021年，總部位于舊金山，致力于構(gòu)建可靠、可解釋和可控的人工智能系統(tǒng)。）的Claude 3.5 Sonnet（是Anthropic公司推出的一款A(yù)I模型，屬于Claude 3.5模型家族中的首個(gè)版本。Claude 3.5 Sonnet旨在提高智能水平，超越競爭對(duì)手和之前的模型，并在廣泛的評(píng)估中表現(xiàn)出色，成為行業(yè)新標(biāo)桿?。）對(duì)每百萬個(gè)輸入代幣收費(fèi)3美元，對(duì)每百萬個(gè)輸出代幣收費(fèi)15美元，而OpenAI（在美國成立的人工智能研究公司，核心宗旨在于“實(shí)現(xiàn)安全的通用人工智能，AGI”，使其有益于人類。OpenAI于2015年由一群科技領(lǐng)袖，包括山姆·阿爾特曼、彼得·泰爾、里德·霍夫曼和埃隆·馬斯克等人創(chuàng)辦。）的gpt-4o（GPT-4o的名稱中“o”代表Omni，即全能的意思，凸顯了其多功能的特性，GPT-4o是OpenAI為聊天機(jī)器人ChatGPT發(fā)布的語言模型，“可以實(shí)時(shí)對(duì)音頻、視覺和文本進(jìn)行推理，新模型使ChatGPT能夠處理50種不同的語言，同時(shí)提高了速度和質(zhì)量，并能夠讀取人的情緒?？梢栽诙讨?232 毫秒的時(shí)間內(nèi)響應(yīng)音頻輸入，平均為 320 毫秒，與人類的響應(yīng)時(shí)間相似。北京時(shí)間2024年5月14日凌晨，OpenAI宣布推出GPT-4o，GPT-4o在處理速度上提升了高達(dá)200%，同時(shí)在價(jià)格上也實(shí)現(xiàn)了50%的下降，GPT-4o所有功能包括視覺、聯(lián)網(wǎng)、記憶、執(zhí)行代碼以及GPT Store等，將對(duì)所有用戶免費(fèi)開放。5月15日，OpenAI聯(lián)合創(chuàng)始人兼首席執(zhí)行官山姆·奧特曼就GPT-4o說明稱，盡管GPT-4o的文本模式已經(jīng)發(fā)布，但語音模式還未發(fā)布。）對(duì)每百萬個(gè)輸入代幣收費(fèi)2.50美元，對(duì)每百萬個(gè)輸出代幣收費(fèi)10美元。這兩個(gè)模型并不相等且支持不同的功能，所以選擇并不像“哪個(gè)模型更便宜”那樣簡單。
“生成式人工智能模型的消費(fèi)者必須在價(jià)格、能力和性能之間找到平衡。每個(gè)人都希望以盡可能低的價(jià)格盡快獲得最高質(zhì)量的代幣，”領(lǐng)先的云服務(wù)公司和AWS高級(jí)服務(wù)合作伙伴Caylent（是一家AWS云服務(wù)公司，幫助組織在以技術(shù)為中心的世界中蓬勃發(fā)展。）的首席技術(shù)官Randall Hunt（蘭德爾·亨特）說。
在數(shù)據(jù)的“向量化”方面還存在額外的費(fèi)用，例如將圖像、文本或其他信息轉(zhuǎn)換為代表底層數(shù)據(jù)的語義而不是具體內(nèi)容的數(shù)值格式，稱為嵌入。
“嵌入模型通常比大型語言模型更便宜。例如，Cohere（人工智能初創(chuàng)公司。成立于2019年，開發(fā)人員可以使用該公司創(chuàng)建的自然語言處理軟件為企業(yè)構(gòu)建人工智能應(yīng)用程序，包括聊天機(jī)器人工具和其他可以理解人類語音和文本的功能。2021年11月，該公司宣布與谷歌建立多年合作關(guān)系，由谷歌的云部門為Cohere提供訓(xùn)練軟件模型所需的計(jì)算能力。）的Embed English（?Cohere Embed English?是一款輕量級(jí)的英文嵌入模型，適合需要快速處理文本但又不失準(zhǔn)確性的應(yīng)用。它是由Cohere公司開發(fā)的，專門用于文本嵌入/Text Embedding的模型。）嵌入模型每百萬個(gè)代幣收費(fèi)0.10美元。嵌入可以使用hierarchical navigable small world/HNSW（分層可導(dǎo)航小世界網(wǎng)絡(luò)算法。是一種用于高效向量檢索的圖結(jié)構(gòu)算法，特別適用于大規(guī)模、高維數(shù)據(jù)集的相似性檢索。它基于小世界網(wǎng)絡(luò)原理，通過構(gòu)建一個(gè)多層次的圖結(jié)構(gòu)，能夠快速找到與查詢點(diǎn)相似的數(shù)據(jù)點(diǎn)。HNSW的核心思想是構(gòu)建一個(gè)由多層次小世界網(wǎng)絡(luò)組成的結(jié)構(gòu)，每一層次的圖都可以被視為一個(gè)小世界網(wǎng)絡(luò)，提供快速的局部搜索能力?。）和cosine similarity（?余弦相似度。?是一種衡量兩個(gè)非零向量之間角度的度量方法，通常用于文本分析、信息檢索、推薦系統(tǒng)等領(lǐng)域。它通過測量兩個(gè)向量之間的夾角的余弦值來評(píng)估它們的相似度。余弦相似度關(guān)注的是兩個(gè)向量的方向而不是它們的大小，因此可以很好地捕捉向量之間的相似性而不受向量長度的影響。）等技術(shù)來進(jìn)行相對(duì)高效的搜索，這并不重要，但它需要使用針對(duì)此類搜索進(jìn)行優(yōu)化的數(shù)據(jù)庫擴(kuò)展或?qū)ｉT的數(shù)據(jù)存儲(chǔ)——進(jìn)一步增加了成本。所有這些成本都是累加的，并且它可以影響各種人工智能項(xiàng)目的單位經(jīng)濟(jì)效益。”
8.運(yùn)營技術(shù)數(shù)據(jù)
公司正被數(shù)據(jù)淹沒。這適用于大多數(shù)組織，但對(duì)于不斷從設(shè)備、傳感器、機(jī)械等收集operational technology/OT（運(yùn)營技術(shù)或運(yùn)維技術(shù)?。OT技術(shù)主要用于連接生產(chǎn)現(xiàn)場設(shè)備與系統(tǒng)，實(shí)現(xiàn)自動(dòng)控制的工業(yè)通訊網(wǎng)絡(luò)。）數(shù)據(jù)的工業(yè)公司來說尤其如此。工業(yè)公司渴望整合OT和IT數(shù)據(jù)的洞察，以便基于對(duì)業(yè)務(wù)的整體視圖進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的決策。
“在2025年及以后，能夠成功賦予數(shù)據(jù)上下文并在多樣化的OT和IT數(shù)據(jù)源之間建立高效和安全連接的公司，將最有能力在整個(gè)組織中擴(kuò)展數(shù)據(jù)，以實(shí)現(xiàn)最佳可能的結(jié)果，”工業(yè)軟件公司AspenTech（艾斯本技術(shù)有限公司，總部位于美國，為過程行業(yè)軟件與服務(wù)提供商，其主要產(chǎn)品為Aspen Engineering Suite大型通用模擬系統(tǒng)。日前應(yīng)用最廣泛的是其aspenONE軟件的V7.X版本。）的首席技術(shù)官Heiko Claussen（?？啤た藙谏┱f，“點(diǎn)對(duì)點(diǎn)的數(shù)據(jù)連接可能是混亂和復(fù)雜的，導(dǎo)致信息孤島和瓶頸，這可能使數(shù)據(jù)對(duì)敏捷決策、企業(yè)規(guī)模的數(shù)字化轉(zhuǎn)型計(jì)劃和人工智能應(yīng)用的效果降低。”
如果沒有OT數(shù)據(jù)結(jié)構(gòu)，擁有100個(gè)數(shù)據(jù)源和100個(gè)使用這些數(shù)據(jù)源的程序的組織將需要編寫和維護(hù)10,000個(gè)點(diǎn)對(duì)點(diǎn)連接。使用OT數(shù)據(jù)結(jié)構(gòu)，這個(gè)數(shù)字可以降低到200個(gè)連接。此外，這些連接中的許多將基于相同的驅(qū)動(dòng)程序，因此更容易維護(hù)和保護(hù)。
作者：Lisa Morgan（麗莎·摩根）
Lisa Morgan（麗莎·摩根）是一位自由撰稿人，為InformationWeek撰寫有關(guān)商業(yè)、IT戰(zhàn)略和新興技術(shù)的文章和報(bào)告。
譯者：寶藍(lán)
【睿觀：可擴(kuò)展性問題一直困擾著計(jì)算和網(wǎng)絡(luò)工作，但現(xiàn)在環(huán)境更加復(fù)雜且更具挑戰(zhàn)性，需要從多個(gè)維度進(jìn)行綜合考慮。通過優(yōu)化流程、提升IT運(yùn)營效率、簡化架構(gòu)、加強(qiáng)數(shù)據(jù)管理、合理利用人工智能等手段，企業(yè)可以更好地應(yīng)對(duì)可擴(kuò)展性的挑戰(zhàn)，實(shí)現(xiàn)持續(xù)發(fā)展。
隨著企業(yè)規(guī)模的擴(kuò)大和技術(shù)復(fù)雜性的增加，可擴(kuò)展性問題日益嚴(yán)峻。企業(yè)在擴(kuò)展過程中面臨諸多挑戰(zhàn)，如流程、IT運(yùn)營、架構(gòu)、數(shù)據(jù)可見性、SaaS服務(wù)API、人工智能、運(yùn)營技術(shù)數(shù)據(jù)和生成式人工智能等方面的瓶頸。
流程擴(kuò)展的挑戰(zhàn)：?手動(dòng)流程阻礙了速度和規(guī)模，自動(dòng)化是關(guān)鍵。
IT運(yùn)營擴(kuò)展的挑戰(zhàn)：?IT團(tuán)隊(duì)面臨著以更少的資源完成更多工作的壓力，需要借助AIOps等工具提高效率。
架構(gòu)擴(kuò)展的挑戰(zhàn)：?復(fù)雜的架構(gòu)限制了擴(kuò)展性，應(yīng)在設(shè)計(jì)階段注重簡單性。
數(shù)據(jù)可見性擴(kuò)展的挑戰(zhàn)：?非結(jié)構(gòu)化數(shù)據(jù)管理難度大，需要確保數(shù)據(jù)安全和可訪問性。
SaaS服務(wù)API擴(kuò)展的挑戰(zhàn)：?API的瓶頸限制了系統(tǒng)的擴(kuò)展能力。
人工智能擴(kuò)展的挑戰(zhàn)：?人工智能的擴(kuò)展需要考慮成本、性能和能力之間的平衡。
運(yùn)營技術(shù)數(shù)據(jù)擴(kuò)展的挑戰(zhàn)：?OT數(shù)據(jù)的整合和利用是工業(yè)企業(yè)面臨的重大挑戰(zhàn)。
生成式人工智能擴(kuò)展的挑戰(zhàn)：?生成式人工智能的成本和性能是需要考慮的重要因素。
自動(dòng)化流程：?通過自動(dòng)化工具和技術(shù)，簡化流程，提高效率。
優(yōu)化IT運(yùn)營：?利用AIOps等工具，提高IT運(yùn)營的效率和自動(dòng)化程度。
簡化架構(gòu)：?在系統(tǒng)設(shè)計(jì)階段注重簡單性，避免過度復(fù)雜化。
加強(qiáng)數(shù)據(jù)管理：?建立統(tǒng)一的數(shù)據(jù)管理平臺(tái)，提高數(shù)據(jù)可見性和安全性。
優(yōu)化API設(shè)計(jì)：?設(shè)計(jì)可擴(kuò)展的API，提高系統(tǒng)的響應(yīng)速度和穩(wěn)定性。
合理規(guī)劃人工智能應(yīng)用：?根據(jù)業(yè)務(wù)需求選擇合適的人工智能模型，并優(yōu)化資源配置。
建立統(tǒng)一的OT數(shù)據(jù)結(jié)構(gòu)：?提高OT數(shù)據(jù)的整合和利用效率。
關(guān)注生成式人工智能的成本和性能：?在選擇生成式人工智能模型時(shí)，綜合考慮成本、性能和功能。】
