- 综合排序
- 最热优先
- 最新优先
微服务治理-云原生下的IT治理和传统SOA治理方法融合
微服务治理框架 对于微服务治理在前面已经谈到了实际上包括了微服务模块本身和微服务API接口治理两个方面的内容，而不能简单理解为API接口的治理。 因此微服务治理应该进一步融入IT治理和SOA治理两个部分的内容。 从这个里面也可以看到微服务治理平台或开发框架实际上仅仅占了微服务治理的一部分内容，而不是全部。 微服务治理概括来说，实际上关键包括两个部分。 即微服务架构实施过程中，我们需要考虑微服务的设计开发和交付，一开始就是支撑全面上云的，能够部署和交付到云原生技术底座上面。 在整个过程中，我们实际的关键点在于。 随着云原生，特别是容器云和DevOps的发展，这个问题得到了很好的解决，即我们可以在自动化的服务部署和交付过程中，自动的下放这个代理包，同时在边车模块有更新的时候我们也可以实现自动化的重新部署或灰度发布
22600编辑于 2025-06-24- 来自专栏腾讯云中间件的专栏
直播预告｜论道原生：微服务治理
微服务作为云原生的最佳伴侣，通过将这些庞杂的业务应用微服务化，可以降低业务耦合度，提升迭代效率，让开发更敏捷。但是随着企业微服务化的进程逐渐深入，难题也随之而来。 微服务治理涉及哪些重点，从哪里入手？ 受到 DaoCloud 道客的邀请，腾讯云中间件技术专家工程师张乐，将作为分享讲师参加「论道原生」第三期的直播分享，和大家一起聊一聊《微服务治理》。 在本次直播中，张乐老师将带来《腾讯云大规模云原生服务发现和治理实践》的精彩分享，欢迎大家点击下方视频号进行直播预约。 活动详情
35620编辑于 2022-05-16 - 来自专栏Java升级打怪进阶之路
【云原生】SpringCloud系列之服务治理Eureka
Spring Cloud Eureka 是 Spring Cloud Netflix 微服务套件的一部分，基于 Netflix Eureka 进行了二次封装，主要负责完成微服务架构中的服务治理功能。
58140编辑于 2022-11-28 【全球AI伦理治理】
AI伦理治理框架的全球协同案例 欧盟《人工智能法案》提出基于风险分级的四层治理体系，禁止社会评分等高风险应用。OECD的AI政策观察站已收录全球700余项政策倡议，形成跨国数据库共享机制。 新加坡的Model AI Governance Framework为亚洲企业提供可认证的伦理操作手册。 美国NIST的AI风险管理框架（RMF）采用模块化设计，包含测量标准与测试工具包。 日本社会5.0计划将AI伦理纳入智慧城市基础设施标准，通过区块链技术实现算法审计追踪。 多利益相关方协同机制 联合国教科文组织的《AI伦理建议书》获得193国采纳，建立全球论坛平台。 企业联盟如Partnership on AI推动跨行业协作，发布《负责任的AI实践指南》。蒙特利尔宣言构建了研究人员伦理承诺体系，通过数字签名实现全球联署。 伦理治理效果评估需结合定量与定性指标： 技术指标：算法偏差系数 \Delta = \frac{|P(y|g_1) - P(y|g_2)|}{\max(P(y|g_1), P(y|g_2))} 过程指标
22110编辑于 2026-01-20- 来自专栏数据猿
业内首个数据治理大模型问世！百分点科技定义AI原生治理新标准
数据治理的三次进化： 从人工辅助到AI原生 百分点科技政企事业部总经理马伟凯在主题演讲中回顾数据治理生态的发展历程，其核心模式随技术迭代与需求升级不断进化，可清晰划分为三个关键阶段，每个阶段均对应着不同的治理逻辑与实践形态 3.0时代：AI原生治理，以大模型为内核、多智能体为载体。 为解决前两个阶段的痛点，数据治理进入3.0AI原生治理时代，其核心是“大模型+多智能体”的深度协同——以大模型为内核提供专家级知识赋能，以多智能体为载体实现全流程自动化运转。 领域大模型+AI原生平台 开启AI治理新时代 当数据治理迈入AI时代，“领域大模型+AI原生平台”的组合正成为破局关键。 百分点科技发布的百思数据治理大模型（BS-LM）与百思数据治理平台（AI-DG），以协同之力重塑治理全流程，真正开启AI治理新纪元。
46310编辑于 2025-11-21 AI版权全球治理观察
通过梳理欧盟、美国、日本等域外主要国家和地区关于AI版权治理的路径选择、规则倾向和背后考量，可以为我国未来相关探索提供有益的借鉴经验。 （三）治理特征：通过行政机构“介入式监管”直面版权争议深水区同风险把控相对应的是执法监管，欧盟AI版权治理的强监管特征已经慢慢呈现。 根据“AI法案”的规定，欧盟AI办公室作为法案的执行机构，将会直接参与到AI版权具体治理中。 （二）整体观察：产业实践下的“被迫应对”与治理逻辑上的“顺势而为”虽然表面看来多少有些“被迫应对”的意味，但美国作为本轮AIGC技术变革的缘起地，对于AI版权问题的治理回应存在强烈的现实基础。 （二）治理特征：依靠行政机关的细化指导以明确AI版权规则的落地适用应当说，在AI版权治理领域日本相较于其他国家和地区，展示出了极大的规则勇气，是唯一在细化规则和落地执行层面给予明确性回应的国家。
90110编辑于 2025-04-22AI原生开发范式
AI原生开发范式的核心概念 AI原生开发范式（AI-Native Development）指以AI为核心构建应用程序的设计方法，其特点包括数据驱动、模型即服务（MaaS）、自动化工作流和持续学习。 与传统开发相比，AI原生应用将机器学习模型作为基础组件，而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程，实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台，整合多种医学影像模型（CT、MRI）。 model.predict(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI 原生系统需监控多维指标： 模型指标：AUC-ROC、F1 Score、推理延迟 系统指标：QPS、错误率、资源利用率 业务指标：转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比，设置自动告警阈值
23210编辑于 2026-01-20AI+Data：AI时代的企业数据治理
为了解决这些问题，数据治理逐渐成为企业普遍重视的关键环节，尤其是在AI应用日益普及的背景下，高质量的数据治理变得尤为重要。数据的多元化与价值挖掘长期以来，人们习惯将数据理解为以数字形式存储的信息。 随着AI应用对多源异构数据的需求增加，企业对于非结构化数据的价值化需求也在加速释放，而相应的数据治理模块也将获得进一步的关注与优化。 对于部署AI应用的企业来说，数据资源的质量直接决定了AI应用能否成功落地。因此，在推进AI应用的过程中，开展针对性的数据治理工作是首要且必要的步骤。 为了确保AI模型的有效性和准确性，必须保证数据的完备性和准确性。有效的数据治理不仅可以为AI模型提供高质量的数据原料，还能提高模型的拟合效果，进而增强AI应用的实际性能。 在金融、医疗、零售、工业以及互联网等数据基础建设较好的行业中，面向AI时代的数据治理正在逐步显现其优势。
1.1K10编辑于 2025-01-03- 来自专栏深度学习与python
是时候好好治理 AI 模型了！
企业应该投资治理 还是扩大现有 AI 解决方案？ 对企业来说，现有资金到底应该投入到机器学习治理流程，还是应该继续扩展现有的机器学习解决方案呢？ 机器学习治理的出现便是为了更好地构建负责任的 AI，全面实施负责任的 AI 有助于企业将风险降至最低。 事实上，Gartner 预计，到 2023 年所有为 AI 开发和训练工作而招聘的人员，都需要展示自己拥有负责任的 AI 方面的专业知识。 负责任的 AI 可能看起来令人生畏，因为这其中有许多子领域都需要关注（例如公平性、透明度、问责制、安全性、可靠性、隐私、安全、治理等），要在人工智能生命周期的所有阶段实施，包括设计、开发和部署。 提到 AI，我们最常说的一句话是“落地为王”，现在是时候将部分工作交由“负责任的 AI”来保证了（点击阅读原文轻松开启机器学习治理流程）。 今日好文推荐 想彻底改变云行业！
62920编辑于 2023-03-29 - 来自专栏资讯分享
迈向负责任 AI：中国 AI 治理趋势与展望
换句话说，建立健全AI治理，是迈向负责任AI、保障AI未来发展的必由之路。希冀本文对未来AI治理的持续开展和落地有所助益。 对于AI领域而言，AI标准不仅是支持、促进AI发展进步和广泛应用的重要手段(如技术标准)，而且是推进落实AI治理的有效方式(如治理标准、伦理标准)，因为AI治理标准可以起到“承接立法和监管、对接技术实践 全球AI治理合作与竞争并存 全球AI竞争，既是技术与产业的竞争，也是治理规则与标准的竞争。全球数字经济发展正在形成AI、数据等方面新的国际规则，如数据流动、AI治理框架等。 通过这些技术众包方式培育、壮大AI伦理社群，将在AI治理中扮演重要角色。 全球AI治理合作需持续深化 如前所述，全球AI治理呈现竞争态势，这并不符合以人为本、技术开放共享、普惠发展等理念。 中国深度参与全球科技治理，需要抓住AI、数据等领域的新一轮国际规则制定机遇，不断提出符合全球共识的AI治理方案，持续为全球数字治理和AI治理注入中国智慧。
70120编辑于 2023-08-03 - 来自专栏腾讯研究院的专栏
迈向负责任 AI：中国 AI 治理趋势与展望
换句话说，建立健全AI治理，是迈向负责任AI、保障AI未来发展的必由之路。希冀本文对未来AI治理的持续开展和落地有所助益。 对于AI领域而言，AI标准不仅是支持、促进AI发展进步和广泛应用的重要手段(如技术标准)，而且是推进落实AI治理的有效方式(如治理标准、伦理标准)，因为AI治理标准可以起到“承接立法和监管、对接技术实践 全球AI治理合作与竞争并存 全球AI竞争，既是技术与产业的竞争，也是治理规则与标准的竞争。全球数字经济发展正在形成AI、数据等方面新的国际规则，如数据流动、AI治理框架等。 通过这些技术众包方式培育、壮大AI伦理社群，将在AI治理中扮演重要角色。 全球AI治理合作需持续深化 如前所述，全球AI治理呈现竞争态势，这并不符合以人为本、技术开放共享、普惠发展等理念。 中国深度参与全球科技治理，需要抓住AI、数据等领域的新一轮国际规则制定机遇，不断提出符合全球共识的AI治理方案，持续为全球数字治理和AI治理注入中国智慧。
85120编辑于 2023-11-16 - 来自专栏阿泽的学习笔记
云原生与AI漫谈
对于系统开发人员来说（比如云数据库，云 AI 平台），云原生的趋势也会产生相应的影响。 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度，来重新安排数据的排序和分区，这样在同样的数据量情况下，系统可以花更少的计算资源来完成查询，增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”，则更关注在程序具体执行层面的关注点分离。 把两者结合起来看，云原生时代的 AI 平台开发会是一片巨大的未开垦之地，对于云和算法各自都有很宽很长的路可以走。 目前云原生跟 AI 结合的一个比较好的学习样例是 Kubeflow，之前春节期间读了一本《Kubeflow for Machine Learning[3]》，感觉收获还是挺多的，如Istio，CRD的应用等
96130发布于 2021-07-06 如何构建AI原生应用？从大模型到知识中台，从数据到规则逻辑。AI原生=模型原生+知识原生+价值原生
今天继续聊AI和大模型方面的话题。即什么是AI原生，如何构建一个真正意义上的AI原生系统？ 对于这个问题，我们先看下AI大模型自己给出的答案。 AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢？这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件，那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过，AI原生核心是知识原生，为何你当前企业有数据库数据，有资料文档，不能快速的构建AI原生应用？ 注意这个说法只解决了AI原生应用的大模型原生问题，并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用，但是我的理解，AI原生应用的核心重点应该是在知识原生上面。 AI 模型被嵌入到这个本体中，成为可复用、可治理的“决策函数”，从而实现： AI+规则混合决策：既可用 AI 预测需求，也可用业务规则设定库存阈值，系统会自动协调两者 实时反馈闭环：AI 的预测结果会写回
65820编辑于 2025-11-17当AI开始在数据治理中使坏...
现在的AI就像一个黑盒子，我们知道它有问题，但不知道问题出在哪里。 AI时代，数据治理新秩序 面对这些挑战，我们不能再用传统的数据治理思路了。AI需要一套全新的数据治理体系。 只有这样，AI才能真正成为推动社会进步的力量，而不是加剧社会不公的工具。 抓住AI数据治理的红利期 现在整个行业都在谈论AI的下一个风口在哪里。 在我看来，AI数据治理就是最大的机会。 随着监管政策的收紧，那些重视数据治理的AI公司将获得巨大优势。而那些忽视数据治理的公司，随时可能因为数据安全问题被淘汰。 对于个人来说，掌握AI数据治理技能，就是掌握了这个时代的核心竞争力。 对于企业来说，现在投入数据治理，不是成本，是投资。现在治理的成本，远远低于将来出现问题后的损失。 我给团队定了一个目标：每开发一个AI项目，都要同步建立完整的数据治理流程。 AI时代的序幕才刚刚拉开，那些真正理解数据治理价值的人和企业，将在这个时代中获得最大的红利。 而忽视数据治理的，最终会被自己的"聪明"反噬。 现在，问题来了：你的AI项目，数据治理跟上了吗？
12410编辑于 2026-02-02论 AI 工程中的黑箱治理问题
从可理解性到可治理性 在传统工程中，“理解”是控制的前提。 读懂代码 → 推导行为 → 判断正确性 但在 AI 主导的软件工程中，这条路径不可行。 更准确的表达应该是：工程师并不信任 AI 本身，而是信任围绕 AI 构建的治理系统。 第二，我们应该用什么原则去治理黑箱。 接下来进入核心问题： 具体如何构建一套可控的 AI 主导的软件工程体系？ 答案不是单一机制，而是一套分层控制架构。 状态治理 AI 主导的软件工程往往表现为“隐式有状态”。 AI 主导的软件工程正在整体转向系统治理范式。
14910编辑于 2026-03-30- 来自专栏开发经验
云原生微服务治理：服务发现、负载均衡与熔断策略
文章目录 什么是云原生微服务治理？ ❤️ 随着云原生架构的崭露头角，微服务已经成为构建现代应用程序的主要架构风格。然而，微服务架构的成功实施不仅仅涉及到服务的拆分和部署，还需要适当的治理机制来确保系统的稳定性和可靠性。 本文将深入探讨云原生微服务治理的关键方面，包括服务发现、负载均衡和熔断策略，并提供示例代码来帮助读者更好地理解这些概念。 什么是云原生微服务治理？ 结论 云原生微服务治理是构建稳定、可靠的分布式系统的关键。本文讨论了服务发现、负载均衡和熔断策略等关键概念，并提供了示例代码来帮助读者更好地理解这些概念。 通过正确实施这些治理机制，开发人员可以确保他们的微服务应用程序在高负载下仍然表现出色，并且能够容忍故障情况的发生。随着云原生微服务治理的持续演进，构建高效的分布式系统将变得更加容易和可靠。
95410编辑于 2023-12-13 K8s+gRPC 云原生微服务开发与治理实战
K8s+gRPC 云原生微服务开发与治理实战//xia仔のke：itzcw点com斜杠5645斜杠Kubernetes（K8s）与 gRPC：云原生微服务开发与治理实战随着云原生技术的迅速发展，Kubernetes 本文将介绍如何利用 K8s 和 gRPC 进行云原生微服务的开发与治理实战。1. 什么是 K8s 和 gRPC？ 实战案例：基于 K8s 和 gRPC 的云原生微服务开发与治理微服务架构设计：采用微服务架构设计，将应用程序拆分为多个独立的服务，每个服务负责一个特定的业务功能。 监控和治理： Kubernetes 提供了丰富的监控和治理功能，可以实时监控微服务的运行状态，并收集和分析日志信息，及时发现和解决问题。 通过本文的介绍，读者可以了解如何利用 K8s 和 gRPC 实现云原生微服务的开发与治理，从而提高应用程序的可靠性、可维护性和安全性。
74900编辑于 2024-04-15- 来自专栏OpenSCA
KCD技术分享：以SBOM为基础的云原生应用安全治理
悬镜安全COO董毅应主办方的邀请，发表了题为“以SBOM为基础的云原生应用安全治理”的演讲。 在新的IT架构下，传统的安全防御手段已经不再适用，以SBOM为代表的新一代安全治理工具便显得尤为不可或缺。 SBOM的基本定位是云原生时代应用安全风险治理的基础设施；除此之外，它还有以下几项特点： 是治理第三方组件风险（开源+闭源）的必备工具 可深度融合于DevOps应用生产模式 可与多种DevSecOps工具链联动强化效能 云原生时代的底层是依赖于开源世界而发展出来的。剥离了广泛的开源云原生基础设施以及云原生的开源软件应用，很多的云原生应用和场景都将无法实现。开源世界有个很显著的特征就是责任自负。 持续为每个应用程序构建详细的软件物料清单，全面洞察每个应用软件的组件情况；同时使用IAST对API进行风险分析及调用威胁阻断；再加上RASP热补丁及攻击防御能力配合开源漏洞情报，第一时间发现并处理开源漏洞风险，构建云原生时代应用风险治理全流程
1.3K10编辑于 2023-06-13 - 来自专栏携程技术
干货 | 基于开源体系的云原生微服务治理实践与探索
二、携程的云原生微服务架构设计 由于线上集群已初具规模，如何平滑过渡和迁移框架成为关键问题。彻底抛弃现有基础设施，一步到位实现全面云原生，不仅实施难度较大，项目周期也比较长。 而且，该产品功能与现存治理系统的功能存在差异。为了给一线人员提供更好的微服务治理体验，需要将实际运维需求和底层控制数据联系起来。 目前，社区内Dubbo Mesh的研发工作也在积极进行，其做法跟携程云原生微服务治理框架类似。通过单独的控制面将配置数据写到K8s里，将实例数据通过MCP进行同步。 据官方介绍，该项目力图打造一套通用的面向云原生的微服务治理标准，并且提供一系列的API和SDK实践。 目前，多家大型互联网企业和开源社区正在共同推进该项目的进行，希望能够完成从服务治理到云原生基础设施的全链路生态覆盖。
74140编辑于 2023-02-28 - 来自专栏【腾讯云开发者】
腾讯新闻微服务1300+接口治理实践与AI治理技术债探索
这些问题降低了研发效率，存在大量人工沟通成本，因此针对我们业务当中遇到的这些问题进行了治理，取得不错的成果，另外也比较深入思考了如何使用 AI 来治理技术债务，借此机会分享给大家，也希望大家的业务通过我们的经验给大家带来一些帮助和思考 3.4 接口生命周期治理总结 整个新闻微服务共计1300+个接口，经过我们进行全面排查和治理，确认每个接口当前的状态、责任人，共计300多接口待下线、对下线接口执行了删除操作。 04、面向未来-技术债务的 AI 时代 其实技术债务本质都依赖不开我们的代码，我们可以借助AI的手段治理代码，进而来控制包括接口、字段协议、服务技术债务，为什么使用AI治理技术债务，使用AI治理技术债务有什么优势 其实司内的工蜂代码 Copilot 对代码的 CR、辅助词的提示已经做的很不错了,这里我列出了我们的场景可以落地的一些 AI 相关债务治理的探索。 技术债务的治理是一个全局的过程，每个环节都会产生技术债务。
80911编辑于 2024-12-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号