做云原生时代标准化工具,实现高效云上研发工作流

芯赛云技术大咖说|AI大模型时代,云原生如何赋能AI算力? 云原生技术因提供了强大的监控和日志功能以及云原生弹性扩展和高可靠特性成为人工智能和机器学习应用的理想平台,通过容器化和微服务架构,可以快速部署和管理复杂的AI模型和算法。1. 算力资源的动态调度:以往算力平台效率,传统模式往往采用针对计算、存储、网络分散化管理,不仅效率低,而且缺少针对性优化整体调度系统,云原生平台可以根据任务需求和资源可用性,智能进行计算资源调度,大幅提高了大规模计算平台整体协同效率。在这一进程中,数据量的迅猛增长和算法模型的日趋复杂,对AI算力的发展提出了更大的挑战。 阅读详情

本文为 CODING 研发总监 王振威,在腾讯云 CIF 工程效能峰会上所做的分享。

文末可前往峰会官网,观看回放并下载 PPT。

大家好,我是王振威,CODING 研发总监。非常高兴能在这里给大家分享过去一段时间 CODING 的产品思考和升级,并为大家介绍 CODING 战略升级后的重磅新品。

首先,我们来看一下 CODING 的全景产品矩阵。这里标识出了过去一年里, CODING 做出的重要产品更新,其中有大量产品是全新推出的,也对一些现存的产品进行了升级,这张图几乎囊括了 CODING 现存的所有重要产品模块和功能。我们聚焦于软件研发阶段的管理,从团队协同到项目计划,从代码协作到构建集成,从测试管理到制品管理和部署上线,在部署上线后就完整对接了云基础设施 IaaS 和 PaaS,这样就可以理解为,如果客户使用了 CODING 并且使用了云,就可以形成一套全链路的云原生体系。

在过去一年里,CODING 坚持以客户为中心,朝着让开发更简单的方向,面向云原生的未来产业大规模增强了既有的产品,并打造了一些非常激动人心的新品。我将在接下来重点介绍一些其中的新品和重要的产品升级。

项目协同 2.0 —— 有条不紊

我们都希望所有的事情进展,都是按照有序的节奏来进行。那么我们知道,软件开发工作是高度复杂的,这需要各种不同类型的专业人员的协同,例如:产品经理、后端工程师、测试工程师、前端工程师、敏捷教练、UI 设计师等等,不同的公司也有不同的角色设置。但如果仅仅只是简单地把这些人员凑在一起,缺乏一套确定的工作交流机制,我想他们的协作将陷入一团乱麻。

CODING 面向开发者团队提供的项目协同,一直都是我们产品的重中之重,项目协同产品团队刚刚完成了产品的 2.0 重大升级,希望让协作有条不紊。这里我将简要介绍几个项目协同 2.0 的重要特性。

第一是新增自定义协作模式。我们都知道,项目管理软件铺天盖地,可能有非常多的选择,但传统的项目管理软件往往都是基于某一种特定的管理理论,比方说敏捷或是瀑布,针对某一种具体场景来深入设计。事实上这种设计方式明显缺乏灵活性,对于大多数企业而言,企业内部的事项往往无法被精准的归类为「需求」、「任务」或者「缺陷」。

例如对于一个金融企业来说,他可能需要管理「风险」这一概念;而对于初创企业来说,新的产品还没有完备的产品需求,他可能需要一个概念叫做「构想」或者「脑洞」;对于一个软件企业来说,可能专门有一类任务叫做「交付」或者「实施」。那么你可以看到,事实上不同的企业没有办法使用传统的项目管理软件里的概念,来表达自己的业务模型。

不论是「风险」、「构想」还是「交付」,项目协同 2.0 都可以非常灵活的应对,使用自定义协作模式不仅可以跳出敏捷和瀑布协作模型的限制,更可以自由依据企业的实际业务来具象化工作项的概念。风险这样的自定义概念不仅可以设置文本、数字、单选框等常规属性类型,项目协同 2.0 还支持非常多的内部信息关联。例如你可以设置一个脑洞的提出人为项目成员中的一个成员,甚至可以设置一个脑洞的预计实现周期为哪几个迭代。这些自定义的概念和自定义的属性,再配合自定义的流程,一套专属于企业自己的项目协作流程就完整建立起来了。

其中事项的状态也可以进行自定义,比如企业可以根据自身的情况,为不同类型的工作项设置如产品评审阶段、设计评审阶段、架构评审阶段、开发中、已测试、待上线、已发布等任何状态。如果新定义一个概念为「风险」,那么可以为「风险」设置:已发现、已识别、评估中、处理中、已消除等等不同的状态。并且这些概念在不同状态间转移时,我们可以定义其转移规则,设置只有某类成员可转换某个状态,例如只有测试人员可以把「开发中」的任务转移到「已测试」状态,这给企业事项流转流程带来了非常大的灵活性和便利性。

第二个是项目协同 2.0 带来的全新的项目集功能。项目集是用于管理在项目层级之外的跨项目事项进展。如图所示,项目集里的需求可以分解到不同团队的不同项目里,并可以在项目集视图进行集中管理和追踪。

下图是一幅经典的项目集页面信息,可以清楚的看到与项目不同,项目集有明确的时间期限,会设置若干个里程碑,整个项目集的里程进度在这里一目了然。此项目集里的任务在不同项目里的进度也记录的非常清楚。从项目集的推动者角度来看,如此透明的信息和明确的时间进度规划,可以高效推进跨团队的协作,

Eureka常见面试题总结 点击关注我的博客原文 Eureka是Netflix组件的一个子模块,也是核心模块之一。云端服务发现,一个基于 REST 的服务,用于定位服务,以实现云端中间层服务发现和故障转移(来源springcloud中文网的介绍:https://www.springcloud.cc/)。下图总结了Eureka服务端(以下简称服务端)与Eureka客户端(以下简称客户端)之间协同工作的流程: 流程说明:... 阅读详情

相关推荐

近几年预训练语音大模型汇总

语音大模型研究近年来取得显著进展,主要包括wav2vec 2.0(2020)、HuBERT(2021)、WavLM(2022)、Data2Vec(2022)、Whisper(2023)等代表性工作。这些模型采用自监督学习框架,通过掩码预测、对比学习等策略在大规模语音数据上预训练,可有效应用于语音识别、情感分析、疾病检测等下游任务。其中wav2vec 2.0首次将对比学习引入语音领域,Whisper通过68万小时弱监督数据实现强大的跨语言能力。这些突破为低资源语音任务提供了通用特征提取方案,推动了医疗语音分析

victory0431的博客 1778

RealSense D435i深度相机实战:从像素坐标到三维空间的精准映射(Python实现)

本文详细介绍了使用RealSense D435i深度相机实现从二维像素坐标到三维空间坐标精准映射的两种Python实战方法:深度图反投影法与点云直接查找法。文章涵盖环境搭建、相机对齐、代码实现、性能对比及与YOLO等检测模型结合的进阶应用,并提供了关键的避坑指南和参数调优建议,帮助开发者在机器人、三维重建等项目中高效应用。

weixin_29291573的博客 382

EBOM转MBOM实战:华为云数字工厂如何5步搞定BOM自动转换(含避坑指南)

本文详细解析了华为云数字工厂平台如何通过五步自动化流程实现EBOM到MBOM的高效转换,涵盖模型预配置、逻辑流编排、工艺属性注入等关键步骤,并提供了多工厂差异化配置、历史数据迁移等典型场景的避坑指南。该方案显著提升转换效率,降低差错率,助力企业实现数字化转型。

weixin_29215391的博客 268

同花顺客户端数据采集:Hook注入与内存解密实战

在金融量化领域,客户端数据采集是获取低延迟、高精度行情的关键技术路径。其底层涉及进程通信、内存加密、反调试等典型Windows逆向工程问题。理解API Hook原理与AES-CBC动态密钥派生机制,有助于突破传统HTTP爬虫在国产金融软件中的失效困境。该技术不依赖网络劫持,而聚焦于本地进程内函数拦截与运行时内存解析,具备离线、可控、合规等工程优势,广泛应用于Level2行情、逐笔委托、分笔成交等高频数据场景,是量化基础设施中‘端侧数据主权’的重要实现方式。

weixin_30496999的博客 855

高通SDX12:ProSLIC Si32185移植调试

高通 SDX12 语音芯片slic 音频驱动 Si32185

不秃头的程序猿Gabriel的博客 2037

FineBI学习总结

交叉表:一组作为行标题显示在表的左部,另一组作为列标题显示在表的顶部。连接到数据,如果数据不满足数据分析的需求,先进行自助数据集处理。数据集分类:DB表、SQL、Excel、自助数据集。分组表:将报表中的数据按相同项合并为一组显示。1、数据准备2、制作仪表板3、分享仪表板。左合并:保留左边全部数据,合并右边。右合并:保留右边全部数据,合并左边。上下拼接:上下拼接到一张表数据。3、如何实现拼表:多表拼一张。分组–业务包–数据集–字段。字段分类:数值、文本和日期。目录–仪表板–数据准备。维度:文本和日期类型。

Rsun2018的博客 1561

SAP-ABAP:新手入门篇——从0到1写出你的第一个ABAP Hello World程序并完成调试运行

本文是ABAP开发入门指南,详细介绍如何创建并运行第一个"Hello World"程序。主要内容包括:通过SE38事务码进入ABAP编辑器;创建以Z/Y开头的程序并保存为本地对象;编写简单的WRITE输出语句;完成语法检查、激活和执行流程;以及初步体验调试功能。文章特别强调ABAP开发的规范要求,如程序命名规则、激活与保存的区别等,并提供了详细的步骤说明和常见问题提示,帮助零基础开发者快速上手ABAP编程。

baidu_35680696的博客 479

人群仿真软件:AnyLogic_(12).AnyLogic高级功能应用

在AnyLogic中,自定义行人行为是通过编写Java代码来实现的。行人行为的自定义可以包括行走路径的选择、速度变化、交互行为等。这使得仿真模型更加灵活和真实。

kkchenjj的博客 1060

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

上一篇: Nocalhost 亮相 CD Foundation 国内首届 Meetup,Keith Chan 将出席致辞
下一篇: CODING Compass —— 打造行云流水般的软件工厂
腾云 CODING
博客等级 码龄8年 203粉丝 260原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值