Cloudstreams: 云间整合的下一个挑战

Daryl C. Plummer提出Cloudstreams概念,旨在解决云服务整合难题,包括治理、安全及不同云服务间的连接等问题。他认为这将是云计算领域的重要利润增长点。

Benoit Lheureux在其博文中写道,云计算不仅仅是

\
……激增且混乱的云服务、创新、混搭和云资源的消费……
\

在他看来:

\
云服务消费对于业务来说仍然非常技术化,其中存在大量管理和合规问题。到最后,至少有一些公司需要帮助,来解决这些问题(想一想服务就知道了)。
\

所以,

\
治理、整合、安全。这些只是企业在消费云服务(这里的云服务不是那些相对容易的基于浏览器的服务,而是基于API的较为复杂的云服务)时必须解决的几个问题。
\

Daryl C. Plummer认为,解决云服务整合的问题需要云服务的代理,这:

\
……是云计算中最大的利润增长点,总市场价值约为1万亿。
\

为更好地描述这些整合问题,Plummer引入了一个新词汇——Cloudstreams,它:

\
……关注整合、治理和安全影响点……云服务产生了(云)服务间整合的需要……前所未有的需要。企业希望将本地应用与云服务连接起来,也希望实现云服务间的连接。并且,所有这些连接都应该安全地进行,其性能也应被管理起来。简言之,他们需要的是灵活的、良好定义的、API层的服务整合,使用策略对数据、消息以及服务调用进行编排。这就是 Cloudstream
\

Plummer认为,SOA供应商:

\
……为一些基本相同的事情建立了一套很绚的词汇。他们说SOA网关和XML设备提供SOA的安全与管理,现在其保护的对象则是云。这些产品通过本地设备、软件、甚至云服务的方式交付……这些不同的词汇之所以会出现,是因为这些公司服务的客户使用不同的方式谈论他们的问题,尽管这些问题几乎相同。客户需要内部系统与外部服务(SOA或云)之间的交互,他们需要管理、安全加固、整合、以及加强这些服务的访问。问题是,他们在描述需求时都站在纯技术层面;所以,供应商也随之带回了解决这些需求的相关技术语言……因此,除非具体到细节,不然就很难理解为什么选择这个供应商而非那个。
\

Plummer认为,新名词使得我们站在一个较高的层次探讨云与SOA中服务整合问题。它不考虑具体的API/技术层面的事情,相反,它考虑的是云服务之间或云服务与企业之间的信息流(以及策略和关键指标):

\
这是使我们能一致地描述云服务间的整合的唯一途径。它描述的互操作性是面向所有人的,而非只是那些天才工程师们……将云间的整合(CI )的打包成 Cloudstreams的想法为(提供这类仲裁服务的)提供商们敞开了机会的大门。既然人们还记得,云(以及SOA)应该封装与服务交互的技术细节,让人们把这些交互作为业务的一部分来思考解决方案, Cloudstreams也应该有其相应的生存空间。让我们应关注解决方案中的其他整合需求,而非只是那些设备或具体技术。
\

在对Plummer博文的回复中,K. Scott Morrison说:

\
Daryl所描述的问题是太多公司……使用技术去解决根本的业务问题。技术是关于细节的游戏……但是,当面临几乎举不胜举的功能列表时,大多数客户很难在供应商之间做出选择。某供应商使用对应于WS-Security Kerberos Token Profile的Kerberos令牌,而另一供应商则使用另一套SSL加密套件。若单纯地比较产品的特性,会不自觉地迷失事实,也许业务要解决的问题是与Salesforce.com进行简单地整合。Daryl的目标是用 Cloudstream归纳云服务整合有关的讨论,而不是以牺牲技术上最终需要的配置细节为代价。
\

SOA之所以消失,原因之一是它试图通过(由供应商驱动的)技术解决业务问题。但愿一个围绕Cloudstream的更全面的方法能够避开这个陷阱。

\

查看英文原文:Cloudstreams: The Next Cloud Integration Challenge

【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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