来源: cloud.google.com
44
Apache Spark 仍然是企业级大数据处理的核心工具，但集群创建、YARN 调优、节点扩缩容以及闲置计算资源，会把数据工程团队拖入基础设施运维。Google Cloud 的 Managed Service for Apache Spark 提供了托管集群和 Serverless 两种路径，让团队可以根据工作负载、生态依赖、延迟要求和成本模型做出更...
来源: infoq.com
41
WhatsApp 正在有限范围内测试 Scam Alert：当非联系人发来消息时，设备端机器学习模型会判断其中是否存在潜在诈骗风险。真正值得关注的不只是分类模型，而是围绕模型建立的隐私架构：消息内容留在设备上，性能评估和模型交付则结合机密计算、Oblivious HTTP、差分隐私与模型透明度机制。 把模型放到手机上运行，可以避免将原始消息发送到服务器...
来源: infoq.com
38
WhatsApp 正在有限范围内测试 Scam Alert：当陌生联系人发来消息时，端侧机器学习模型会判断其中是否存在潜在诈骗风险。这个方案值得关注的地方不只是“把模型放进手机”，而是如何在消息内容留在设备上的前提下，完成模型效果评估、遥测统计和模型交付。 根据公开摘要，这套架构组合了端侧推理、机密计算、Oblivious HTTP、差分隐私和模型透明...
来源: cncf.io
37
Kyverno 在很多组织里的归属很明确：安全团队负责推动，安全预算负责采购，安全演示文稿负责介绍。但“安全”只是它最常见的使用场景之一。更准确的理解是：Kyverno 是 Kubernetes 平台上的策略执行原语，能够把组织规则转化为集群中的验证、变更和生成行为。 这个定位变化会直接影响部署方式、责任边界和投入回报。把 Kyverno 当成一个安全...
来源: postgr.es
56
Databricks 收购 Electric，值得关注的地方不只是交易本身，更在于它提示了一种正在成形的架构：PostgreSQL 不再只能作为远程服务器运行，也可以进入浏览器、应用进程、无服务器环境，甚至 AI Agent 的沙箱。 Electric 的 PGlite 是编译为 WebAssembly 的 PostgreSQL，可以嵌入 JavaSc...
来源: my.oschina.net
45
后台系统的自动化测试，真正难的往往不是点击登录按钮，而是那些“看起来只是一个交互”的组件：文件上传需要处理本地文件，Hover 菜单依赖鼠标位置，TreeSelect 需要展开并选择层级节点，组件库里的 checkbox 和 radio 还可能被一层层的 DOM 包装起来。 CueCast V1.2.2 针对这些高频且容易回放失败的场景进行了改进：支持...
来源: aws.amazon.com
39
AI Agent 正在从“提供建议”走向“代替用户执行操作”。一旦操作涉及付款，系统就必须同时解决授权、预算控制、支付协议适配和审计观测等问题。Amazon Bedrock AgentCore payments 现已正式可用，面向生产环境提供内置支出防护、与支付协议解耦的编排能力，以及可观测性支持，让 Agent 能够在更明确的边界内自主完成交易。 传...
来源: aws.amazon.com
28
对网络安全 SaaS 来说，让 AI Agent 服务多个客户，难点不只是调用模型。每个客户都有独立的数据、身份、工具权限和审计要求；一旦租户边界处理不严谨，一个 Agent 就可能成为跨客户访问的入口。 Axonius 采用 Amazon Bedrock AgentCore，在数百个客户环境中部署完全隔离的多租户 AI Agent。关键价值在于，团队...
来源: cloud.google.com
40
数据治理最常见的成本，并不是半年一次的合规审计，而是每天都有人盯着 之类的字段发问：它是什么意思、能不能用、是否包含敏感信息、其他团队是否已经定义过？当数据资产扩展到数千张表和视图后，这些小问题会变成持续征收的“治理税”。 Governance Agent 提供了另一种思路：基于 Google Cloud Knowledge Catalog、BigQu...
来源: cloud.google.com
48
实时流处理擅长稳定地执行固定 DAG，生成式 AI Agent 则擅长根据上下文临时规划、查询数据并调用工具。把两者直接拼在一起并不难，难的是控制成本、延迟和外部 API 配额：如果每条消息都进入大模型和多步 Agent，高吞吐数据流很快就会变成昂贵而缓慢的任务队列。 更实用的架构是设置一道“轻模型闸门”：所有事件先由 Dataflow 工作节点上的 ...