至顶网云能力评估小组始终致力于指导企业如何实现数字化转型,并为此连续三年进行了公有云的评测工作。现在为了更好适应互联网媒体传播需求,正式更名为至顶懂云帝,敬请大家多多关注。
从目前的测试情况来看,各大公有云厂商的公有云主机技术已经普遍成熟,基本上可以满足企业数字化转型的业务应用需求。但是企业数字化转型光有平台是不够的,还需要一个可以将业务应用自如的在云、边、端不同平台上进行部署的系统。
以前的设想是采用Linux来完成这个任务,但是从我们上次公有云迁移情况来看,即便是在相对成熟的公有云平台上,由于不同公有云平台的兼容性问题,实现一次完整业务迁移,都是一件大费周折的事情。
正可谓说得时候可以风轻云淡,干的时候其实满头大汗。

(感兴趣的同学可以看一下我们上期的微博视频http://t.cn/A6UgEmKy?m=4540765009356952&u=1934707833)
如果企业业务需要同时部署在多个不同的公有云上呢?那难度可能会再成倍数的提升,如果还需要再部署到边缘计算节点上呢?可能我们的CIO乐乐同学就会再也乐不起来了。
于是开始向乐乐还有我们的书葆同学安利Docker,终于成功的将他们带到沟里去了。
所以,今年公有云评测主要项目,就是在不同公有云平台上进行Docker业务应用部署测试。
而企业业务要想真正实现数字化转型,不但需要在公有云平台上进行部署,还需要把业务部署到离应用更近的边缘节点中去。
于是在今年的测试中,至顶懂云帝不但在公有云上搭建了Docker应用测试平台,还购买了一个小工控机,并同样尝试在上面部署Docker应用。想不到这一下就掉到了坑里。
自己挖的坑只能自己慢慢填,下面就和大家介绍一下在Docker边缘计算部署中,我们都遇到了哪些个坑,又是怎么慢慢爬上来的。
先介绍一下我们的边缘计算设备——工控计算机。

这是在某宝淘到的一个四个网口工控机,一个很小的小盒子,CPU的计算能力也不强,是比较老的Intel J1900。但好在是一个真四核的家伙,以前用这种小东西做过流量控制,用着一直感觉不错,适用性很强,既可以当PC又可以当软路由,甚至还可以当简单的网络测试仪表,而且体积小巧,没有任何运动组件,适于在环境安静、空间狭小或比较杂乱的地方使用。
于是这次Docker边缘计算测试就选择它了。Docker的平台要是在这个小东西上也能跑起来,那么部署到其它平台上也就更能得心应手了。
下面就让我和乐乐一起讲一下我们是如何在这个小东西上挖坑、填坑的。
Docker需要操作系统的支持,最早是打算在上面安装一个ESXI的虚拟系统,然后再往上装Linux,但是没想到居然不支持!始终不能在SSD硬盘上进行安装。
没有办法只能变通一下,先安装了一个Windows,安装完成之后,上面的有线和无线网卡等硬件全都可以认出来,也可以再安装VMware的虚机。
但这时乐乐同学就开始提意见了,这个小盒子本身计算能力就不强,还要在上面加上Windows、VMware、Linux最后才是docker,套这么多层壳,就算把Docker装上,这还能用吗!

想想也是这个道理,干脆直接装Linux,于是就又掉到驱动程序这个坑里面去了。
现在云平台上用的最多的Linux操作系统是Ubuntu和Centos,谁知道安装上后都出现了一个问题,有线网卡驱动不上。
原来是因为我为了想得到更好一点的数据包转发性能,选择的是一款Intel82583v的网卡,这个网卡芯片太老,这些Linux的驱动程序都不支持!
正在这个时候想起了国内新推出的统信UOS,咱们也得支持一下国产嘛,实际上也就是死马当成活马医了。没想到的是居然还真把这几个老网口的驱动给认出来了!看来这回国产操作系统还真是可以一用了!
于是接下来就由乐乐同学出马,开始装Docker了。
Docker的安装总体来说还是比较顺利,除了我对UOS并不熟悉,在安装过程中,把有用没用的服务都给装上了,给乐乐造成一些麻烦,需要再一一把那些没用的服务给停掉之外,其它还都比较顺利。看来这就是专业和业余的本质区别吧。
最后要吐槽一下这个小工控机的性能问题。
在去年的公有云应用性能测试中,即便我们选择的是性能比较低的2核4G公有云主机,各大公有云平台上的AB应用处理性能也基本都在每秒80次应用请求响应左右。

2019Apache AB应用性能响应
可这个小工控是4核8G的配置,AB应用响应能力最高也只能达到每秒49次应用请求响应。比较令人失望。
这是因为Docker的应用处理能力不足,还是工控机本身的计算能力低下,需要再做进一步对比分析。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。