使DevOps适应AI革命：性能可移植性范式
随着人工智能(AI)和机器学习(ML)的快速发展，性能可移植性对DevOps(开发运营)团队来说将变得越来越重要。主要驱动因素是在不同硬件之间保持应用程序效率，特别是当工作负载从云扩展到边缘和高性能计算(HPC)环境时。随着DevOps团队应对来自行业领导者和初创公司的专业人工智能硬件的兴起，这一战略要求变得至关重要，这进一步使DevOps经理的处境复杂化。
Sylabs战略副总裁Keith Cunningham表示:“性能可移植性越来越成为一种战略需要，尤其是在人工智能和机器学习领域。面对多样化的硬件，开发者必须确保跨平台的应用效率。兼容开放容器计划(OCI)的计算容器技术，如singarityce，弥合了HPC和IT DevOps之间的差距。这种整合是充分利用人工智能潜力的关键。通过将高性能计算的强大和精确与DevOps实践的敏捷性和自动化相协调，开发人员可以促进更加无缝、高效和创新的开发过程，这对于适应快速发展的技术环境至关重要。”
描绘AIOps的演变：向先进容器化飞跃
AIOps(人工智能运营)领域预计将以稳定的25%复合年增长率(CAGR)发展，正在经历由多种因素推动的转型，特别是通过容器化软件实现应用程序的现代化以及更先进和复杂的人工智能技术的集成。在这种情况下，容器化扮演的关键角色是显而易见的，因为AIOps实践者努力提高系统的可伸缩性、可靠性和效率。先进的容器解决方案擅长在具有重要访问和安全要求的各种环境中运行，对于确保隔离和一致性至关重要。这些方面对于有效扩展人工智能操作和确保强大的故障恢复机制至关重要。
在这种不断发展的场景中，AIOps从业者利用机器学习(ML)算法将事件与业务联系起来，从而改进预测分析。这种战略方法导致更快和更有效的IT决策，使复杂系统的管理和自动化具有更高的效率。
展望2024年，随着AIOps软件供应商整合生成式人工智能(GenAI)，预计将是一个重要的里程碑。AIOps中的这种技术进步将加速其采用，并引入更复杂和响应性更强的操作能力，最终提高服务水平协议(SLA)的依从性。软件开发人员对AIOps应用程序中容器化的日益偏好反映了一个更广泛的行业趋势，即安全、可扩展和高效地部署人工智能驱动的操作。
Cunningham表示:“我们预计先进的容器化和人工智能技术将推动AIOps的革命。这种集成改变了IT运营，增强了可扩展性和安全性，并显著提高了运营效率。容器化将成为这个新时代的基石，使AIOps能够以更高的敏捷性和精确度处理日益复杂的现代IT系统。”
协作与创新：FAIR原则满足现代人工智能研究
从科学计算中汲取灵感，人工智能研究人员准备将人工智能领域与可查找性、可访问性、互操作性和可重用性的原则更紧密地结合起来。这种由计算容器技术的进步所驱动的一致性，预计将在小组和组织中培养高度的协作。结果将大大改善容器化人工智能工作流及其相关数据集的分布和同行评审。采用这些原则将提高人工智能研究的效率、整合和透明度，促进集体改进，并开发更具弹性的人工智能应用。
此外，通过容器化实现人工智能工作流程的标准化，有望解决普遍存在的“在我的机器上工作”问题，帮助在不同的计算环境中建立更一致的体验。此举旨在加强人工智能模型的可重复性和可靠性，反映出FAIR科学计算工作流程所取得的进步。这种做法有望提高人工智能操作的可扩展性和效率，特别是在那些利用为性能密集型环境量身定制的容器平台的操作中。
机密计算：容器安全的下一个迈进
Sylabs预计，在容器化环境中，对高级安全措施的需求将不断增长，重点是在容器内使用期间保护敏感数据。机密计算成为了这一领域的关键参与者，它通过将数据隔离在处理器架构的安全区域内，从而独特地保护使用中的数据，该架构专为增强数据保护而设计。这种方法补充了针对静态和传输数据的传统安全措施，并降低了与内存访问和容器内执行环境相关的风险。
Cunningham说:“我们预计将转向更安全和高效的容器技术，特别是通过将机密计算解决方案集成到现有的工作流程中。这些集成将在保持系统可访问性和功能的同时增强安全性。机密计算将成为现代容器安全战略中至关重要的前瞻性组成部分。”
向数据密集型计算的下一代容器解决方案转变
到2024年，该行业将面临一个关键挑战——传统的企业容器解决方案往往不足以满足高级、性能密集型计算环境(如人工智能应用程序)的需求。这种需求在共享环境中尤其真实，在共享环境中，安全性和访问变得至关重要，这促使人们向容器工作流转变，这种容器工作流集成了为大规模、数据丰富的环境量身定制的容器。这些复杂的环境以高计算需求和复杂的数据处理为特征，需要混合容器技术来克服传统产品中的一些技术差距。
Cunningham表示:“面对人工智能和数据密集型计算的复杂需求，企业对Singularity容器的兴趣明显激增。Singularity是专门为解决现代横向扩展计算中固有的可扩展性和复杂性挑战而设计的。在社区主导的改进下，它经历了重大的发展，现在与已建立的OCI工作流无缝集成，为要求苛刻的应用程序提供可扩展性、健壮的安全性和更高的效率。此外，其增强的互操作性提高了跨各种计算环境的性能，并扩展了其对各种工作负载的适应性，与各种高级编排和管理系统无缝结合。随着越来越多的公司选择Sylabs的解决方案来提升其系统的性能和安全性，我们预计Sylabs将进一步发展，而无需对工作流程进行颠覆性的改革。”
