GitHub率先消灭了cookies

前言

2020年，我国网络基础设施建设已经位居世界前列，信息技术应用持续发展。计算能力、数据资源和核心算法的进步推动人工智能的快速商业化应用。另一方面，多年来的城市智能化治理和建设积累了海量的视频监控数据资源，再加上资本对人工智能算法领域的不断投入，各方面的资源储备为人工智能技术在视频监控行业的大规模商用创造了条件。

随着人工智能技术深度应用，视频分析技术智能化发展，视频监控已从被动识别过渡到了主动获取、分析、预测的阶段。视频监控与视频分析、深度学习、云计算等领域资源不断整合，摄像头的功能不断深化、使用场景不断丰富，成本、算法、带宽容量不断优化，产业边界不断拓宽。
 

人工智能/机器学习的帮助

Bukhari表示，将来自内部部署设施和多个云平台的数据拼接在一起并对其应用分析是一项挑战，但这是管理这种环境的关键。

Extreme公司提供了ExtremeCloud IQ包，它提供了机器学习和人工智能驱动的云管理平台，简化了网络基础设施设备的登录、配置、监视、管理、故障排除、警报和报告。

VMware公司的Rittaler表示，该公司的虚拟云管理包括可视化整个网络的功能，其中包括虚拟和物理网络。它使用机器学习来构建网络和应用程序边界，并且可以跨虚拟机、容器以及混合和多个公共云执行完整路径分析。这为跨多个云解决虚拟机到虚拟机的连接问题提供了一种简单的方法。

他说，“这一网络拓扑图还可以通过主动警告和异常检测防火墙错误配置、峰值、容量限制等来帮助优化网络性能。所有这些功能都在单个网络图中提供，无论网络是虚拟的还是物理的。在应用程序边界的背景下，确保网络、安全、基础设施和应用程序团队使用同一种语言。”

IBM公司的Frank表示，该公司通过其应用程序性能管理(APM)软件包解决这一问题，该软件包可帮助客户在内部部署、基于云计算和混合工作负载的应用程序性能问题和网络问题之间进行区分，所有这些都可以通过一个仪表板完成。

Frank说，“在多云环境中，一种既可以在本地部署又可以跨多个云平台运行的解决方案是获得完全可见性和消除孤岛的关键。IBM APM解决方案可以衡量应用程序的可用性和性能，自动化操作以从应用程序或网络性能问题中快速恢复，并提供可视性和工具，以在问题影响运营或最终用户对应用程序环境的体验之前对其进行诊断和修复。”

Extreme的Bukhari表示，企业管理多云还面临其他挑战。其中一个重要的原因是让员工具备管理多供应商产品的技能。例如数据格式和API是不同的，需要一个能够理解所有这些内容的团队。

IDC公司的研究报告表明，容器、微服务和Kubernetes的引入进一步增加了复杂性。要想从任何多云管理产品组合中获得全部收益，企业就需要做出权衡和战略投资选择。在瞬息万变的技术环境中，很难完全预期新流程、新方法和新工具的影响。

（编辑：鞍山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!