标签

Azure

CosmosEscape 之后：云数据库客户究竟能防住什么

来源: infoq.com 49
Wiz Research 披露的 CosmosEscape 并不是一次普通的数据库密钥泄露。攻击链从 Azure Cosmos DB 的 Gremlin 沙箱逃逸，最终获得一个平台级密钥，可读写该服务中的所有数据库。微软在两天内封堵入口，但来源摘要指出，直到 2026 年 7 月才移除该密钥。这个事件真正棘手的地方，在于客户能否通过配置降低风险，以及哪...
# AI # Azure # InfoQ
阅读全文

AI 系统该用 Skill 还是 Sub-Agent：用复杂度和维护成本做决策

来源: infoq.com 63
在 AI 应用里，把一段能力封装成 Skill，还是交给独立的 Sub-Agent，并不只是命名问题。这个选择会直接影响系统的上下文管理、调试难度、复用方式和长期维护成本。Azure 架构实践提出的核心判断标准很务实：优先考虑可复用性、简单性和长期可维护性，而不是默认把所有复杂任务都拆成多个 Agent。 可以把 Skill 理解为主 Agent 可直...
# AI # Azure # InfoQ
阅读全文

AI 系统该用 Skill 还是子智能体：从复用、复杂度与维护成本做判断

来源: infoq.com 55
给 AI 系统增加能力时，开发者很容易把每个新需求都包装成一个子智能体。这样做在演示阶段很直观，却可能引入额外的提示词、状态、路由和可观测性成本。Azure 首席工程师 Kishorekumar Pattabiraman 给出的判断方向更务实：围绕复用性、简单性和长期维护成本，决定一项能力应该成为 Skill、子智能体，还是普通工具与确定性代码。 Sk...
# AI # Azure # InfoQ
阅读全文

无边界 Lakehouse：让跨云数据真正服务于 AI Agent

来源: cloud.google.com 66
数据湖仓正在从“存放数据的地方”变成“执行动作的系统”。AI Agent 不再只是定期生成报表，而是持续监控供应链、识别异常、解释业务指标，并在满足条件时触发后续流程。要让这种系统稳定运行，Agent 必须访问分散在 AWS、Databricks、Snowflake、企业本地系统和 SaaS 应用中的数据，同时还要理解字段含义、数据血缘和访问边界。 G...
# AI # AWS # Azure
阅读全文

从 CTE 到 MERGE：PostgreSQL 11–18 值得掌握的 SQL 演进

来源: postgr.es 48
从 2018 年的 PostgreSQL 11 到 2025 年的 PostgreSQL 18，社区连续七年保持每年一个大版本，每个版本都带来约 150 到 200 项用户可见变化。运维、性能和复制占据了更新列表的大头，但 SQL 层也在稳定补齐能力：有些新语法减少了样板代码，有些功能让数据约束更贴近业务，还有一些改进直接改变了查询优化方式。 真正值得...
# AI # Azure # Docker
阅读全文

SAP BDC Connect for BigQuery 正式可用：用零复制数据打通分析与 AI

来源: cloud.google.com 44
企业数据平台长期面临一个两难选择：复制 SAP 数据可以方便分析，却会引入延迟、重复存储、语义丢失和治理成本；不复制，则很难让云端分析与 AI 工具及时访问核心业务数据。SAP Business Data Cloud Connect for BigQuery 的正式可用，提供了第三种路径：在 SAP Business Data Cloud 与 BigQ...
# AI # AWS # Azure
阅读全文

从可靠运行到 AI 就绪：企业数据库真正需要守住的能力

来源: azure.microsoft.com 39
数据库选型正在同时面对两类要求：一类是多年不变的可靠性，包括可用性、数据一致性、恢复能力和安全控制；另一类是 AI 应用带来的新压力，例如更灵活的数据访问、更清晰的数据治理，以及可预测的查询延迟。Microsoft Databases 被用于关键应用、业务流程和 AI 驱动体验，说明企业关注的并不是某个孤立功能，而是数据库能否持续承担生产责任。 “数据...
# AI # Azure # Rust
阅读全文

PostgreSQL MVCC 的代价：真正该比较的是谁为历史版本买单

来源: postgr.es 40
PostgreSQL 的 MVCC 经常因表膨胀、写放大、VACUUM 调优和 32 位事务 ID 被批评。这些问题都真实存在，但只说“PostgreSQL 的 MVCC 很差”还少问了一步：如果读者不能阻塞写者，那么旧版本必须保存在某个地方，清理成本也必须由某个组件承担。不同数据库没有消灭这笔成本，只是决定由写入、历史读取、缓存、临时空间还是后台整理...
# AI # Azure # Go
阅读全文

从万亿 Token 到生产落地：AT&T 如何构建可扩展的电信 AI 计算体系

来源: azure.microsoft.com 51
AT&T 在开发 OTel2.0 的过程中处理了约一万亿个 Token。支撑这一规模的并非单一模型或单一 GPU，而是 Microsoft Foundry Managed Compute、开放模型，以及 AMD 和 NVIDIA GPU 基础设施组成的弹性计算体系。 这组信息揭示了大规模 AI 工程中的一个关键变化：当工作负载进入千亿乃至万亿 ...
# AI # Azure # 云平台
阅读全文