我们会告诉您在面试期间要寻找什么，以便充分利用您的答案。

免责声明：

IT 研究的特征之一是人与其交互的界面之间的联系。我们建议您在与用户合作时考虑到这一点，并扩展收集数据的方式。例如，不仅使用对话，还包括可用性测试期间的观察或眼动追踪（一种追踪人眼运动的技术）。

提示 1：在提问和分析答案时，请考虑用户的背景——他是谁、他的生活和工作地点、他的爱好是什么以及他的收入水平
这些知识将帮助您更好地了解一个人在做出决策时的世界图景，以及摆脱信息泡沫、建立更保密的对话并深入了解真正有价值的见解。

首先，产品团队需要开发一个顶级导航系统——弄清楚如何为农民提供商品和服务的结合。研究结果表明，该团队最初关于细分的想法是错误的。新知识有助于从根本上重新设计导航，使系统易于理解和方便农民 。

提示 2：不要仅仅为了炫耀而询问你对这个人的了解
保持对话的灵活性——根据对话的逻辑，改变地方的块（但不要狂热，最好从一般转向特殊）并抛出已经得到详尽答案的问题。你的目标不是从场景中“排除”所有要点，而是让自己沉浸在这个人的体验中，并通过纠正缺陷或引入新功能来改进产品。

让我们用一个例子来看看这个建议：

采访者：告诉我们您使用 N 应用程序进行睡眠跟踪的体验。

用户：我每天都用，看表演很有意思。我喜欢看到不同睡眠阶段的能力——这有助于了解如何最好地设置闹钟。

*** 3 个问题后***

采访者：你多久使用一次这个应用程序？

用户：

在这种情况下，被访者的反应可能会有所不同：他要么平静地重复一切，要么发脾气结束采访。另一个缺点：这样面试官会花时间重复他已经知道的信息。

提示 3：但如果您需要澄清细节或概括性，不要让一切都碰运气。
如果有些事情仍然不清楚或者你需要更深入地挖掘，重复是可以接受的。但我们建议您以更优雅的形式“包装”它们，例如使用释义。

让我们回到睡眠跟踪应用程序的情况：

*** 3 个问题后***

采访者：你之前说过你每天都在使用这个应用程序。您的使用计划是否会发生变化？

用户：是的，我在度假时不使用该应用程序。没有时间这样做，假期的睡眠时间表误入歧途 - 我比平时晚得多睡觉。

*** 研究员满足地搓着手，准备在休息的时候就应用使用场景提问***

提示4：如果受访者正在思考或长时间找不到合适的词，请不要为他思考
由于几个原因，这可能会同时损害研究。首先，如果你完成一个人的短语，你将不知道他对产品或服务的真正想法 - 他如何真正评估他遇到的问题。

其次，在不知不觉中，用你对他的话的解释来代替一个人的意见，从而扭曲结果。第三，被访者可能只是因为没有空间冷静思考和表达他的观点而感到不舒服。

“在一个人犹豫和沉默的情况下，最好放松一下，让他做出决定——他是否可以/想要回答这个问题。因此，他要么能够制定答案，要么要求澄清，要么说“我不知道”，Kristina Svechinskaya 指出。

顺便说一句，“我不知道”的答案经常被低估——它本身就很有价值。例如，它将向研究人员表明购买或采取行动的决定是不合理的。在这种情况下，转向一个人的感受并提出与感受和情绪有关的问题是很有趣的。

提示 5：不要一次问多个问题，即使它们与一个微话题有关
我们的大脑是这样排列的，如果我们听到几个问题，我们就会对第一个或最后一个做出反应。因此，通过这种方式，受访者将只回答一部分，而忽略其余部分（但也许对您的研究很重要）。

为了不丢失一些见解并且不多次返回相同的主题，明确提出问题和声音，一次只有一个。

不好的例子：你在平台 N 上订购产品吗？多常？您在下单时遇到了哪些问题？

很好的例子：你曾经在N平台订购过产品吗？→ 受访者的回答 → 一般来说，您多久使用一次？→ 受访者的回答 → 回忆一下你第一次在平台订购商品的经历。告诉我你是怎么做到的？→ 受访者的回答。

技巧 6：避免问题中的提示
有时，面试官希望让受访者更容易，并立即在问题中包含主要答案。

采访者：你使用什么市场？我们谈论的是 ZZQIDC 或 200vps.com 等网站。

同一秒用户：我在ZZQIDC和 200vps.com 上购买！

问题在于提示会阻止人们反思过去的经历。他坚持一个特定的品牌，只谈论他。其他示范性故事——例如，关于 Wildberries 的订单——将被省略。

让我们回到这个例子：

采访者：你使用什么市场？

用户：呃……什么是市场？

采访者：这些是收集不同商店不同类别商品的在线平台。您可以添加到购物车并购买儿童用品、工艺品，甚至猫粮。

用户：是不是像 ZZQIDC 一样？

采访者：是的，网站的工作原理是一样的。您已经尝试过哪些？

提示 7：不要急于提问 - 向受访者解释你想从他那里得到什么，并在最后请求允许返回其他问题
提问只是面试的一部分。开头的介绍和结尾的摘要是对话的完整组成部分。因此，一开始不要急于求成：相互了解并告诉我们会发生什么以及为什么这很重要。如果有组织问题（例如，您需要签署文件或解释如何发放奖励），也可以在开始时这样做。

在谈话结束时，休息一下——再看看你的问题，确保你没有忘记任何事情。对此，友善警告受访者：“看来我们已经讨论了一切。但是请给我一分钟，我会看看我的备忘单，看看是否还有其他问题。

另一个重要的生活窍门是在采访结束时询问是否有可能在未来联系受访者以澄清一些细节、提出新问题或要求进行另一项研究。这种操作将有助于在紧急情况下（如果您仍然忘记某些东西）和建立长期关系（这对于b2b 项目很重要）。

现代媒体正日益成为复杂的数字平台，需要他们自己的开发人员和系统管理员。具有复杂机制、数据处理和内容个性化系统的特殊项目——所有这些都需要一个重要的基础设施。四位国内媒体CTO谈到了出版物的技术方面。

Nikita Granko，互联网媒体“Paper”技术总监
“有迫切需要。我们不收集用户的个人数据 - 只收集邮件，这意味着我们不属于俄罗斯存储此类数据的法律。几年前，我们在一个小型项目中使用了一家俄罗斯供应商的服务器，但这种体验并不鼓舞人心。

一般来说，在国外托管适合我们。尽管我们的供应商已经成长并与大量客户合作这一事实有时会影响我们的工作方式。状态面板并不总是反映系统的当前状态，可能会有延迟。因此，有些东西对您不利，而提供者表明他一切都很好。在 30 分钟内，您思考障碍可能在哪里，直到状态面板最终宣布存在问题。如果这种情况发生在深夜，您可能会忘记睡个好觉。

基础设施组成
《纸上谈兵》主 站 由五个vpc（虚拟私有云）支持。一个云服务器用于数据库，一个单独的虚拟机用于 Web 服务器，还有几个用于 PHP 解释器和运行脚本。最后，最新的 vpc 支持站点搜索、链接缩短器和其他小服务。

在 2020 年初，就在大流行之前，我们改变了 Paper 的架构，使其更加灵活。最初，现在在 vps 之间分发的所有内容都在一台服务器上。随着媒体的发展，这已经成为问题。

第一个插科打诨发生在圣彼得堡恐怖袭击期间（2017 年 4 月 3 日 - 编辑）。每个人都开始寻找信息——我们的流量急剧上升，而我们还没有为此做好准备。然后他们甚至无法进入管理面板。通过第三方服务对正在发生的事情进行文本广播 - 这在当时帮助了我们。

发生的事情是第一次呼吁扩展基础设施。垂直增长——增加一台服务器的容量——被放弃了。我们选择将服务分布到多个虚拟机的水平扩展。这使我们能够更准确地响应负载的增加——如有必要，部署一个额外的节点并分配流量。

结果，我们很轻松地应对了封锁期间出勤率的增加。我什至不必更改或添加任何东西。

视觉内容的存
网络出版物始终是大量的静态视觉内容，其数量逐年增长。从历史上看，所有此类“纸质”数据都位于一台服务器上，直到它开始占用所有空间。我们决定尝试 AWS 的 S3 存储，但意识到它的利润并不高。因此，我们只是增加了用于存储静态数据的服务器的容量，并通过 CDN 分发它以节省流量。

我们使用 Google 的 Project Shield，这就是为什么“Paper”在克里米亚不可用的原因。PS 将自己定位为 DDoS 防护，但也涵盖了 CDN 功能。

美国营销巨头 RR Donnelly（RRD) 公司日前透露，该公司在一次 12 月的网络攻击中被窃取了数据。事后经 BleepingComputer 证实，这是一次 Conti 勒索软件攻击。

RRD 是一家头部的综合服务公司，为企业客户提供通信、商业印刷和营销服务。公司在全球 200 多个地点拥有超 33,000 名员工，其 2021 年的收入为 49.3 亿美元。

2011 年 12 月 27 日，RRD 公司向美国证券交易委员会 (SEC) 提交了 8-K 表格，透露他们遭受了 “技术环境中的系统入侵”，攻击使得他们不得不关闭网络以防止攻击蔓延。

IT 系统的关闭导致公司的客户服务中断，一些客户无法收到供应商付款、支付支票和机动车辆证件所需的打印文件。

RRD 公司表示，最初他们不知道在攻击期间有客户端数据被盗。直到 2022 年 1 月 15 日，Conti 勒索软件团伙开始泄露从 RRD 公司窃取的用户数据，总计为 2.5GB。随后，RRD 公司就泄露的数据与 Conti 团队展开谈判，我们有理由相信，在交付赎金后，泄露数据已经得到删除了。

RDD 公司的信息泄露与先前披露的系统入侵有关，而不是新事件。

值得一提的是，本次勒索软件攻击发生在 RRD 公司宣布将被查塔姆资产管理公司收购的最终合并协议之后。

耐人寻味的是，去年 11 月美国联邦调查局 (FBI) 发布了一份 “私人行业通知”(Private Industry Notification)，警告称勒索软件团伙通常会在重大金融事件如并购发生时发起攻击，以此作为让受害者支付赎金的手段

AMD宣布，Amazon Web Services公司（AWS）现已发布专为云中高性能计算工作负载而打造的全新Amazon EC2 Hpc6a实例，进一步扩大了其基于AMD EPYC（霄龙）处理器的产品型号。

AWS表示，相比其他同类Amazon EC2实例，Amazon EC2 Hpc6a实例可提供多达65%的更高性价比。Hpc6a实例可帮助客户运行诸如基因组学、计算流体动力学、天气预报、金融风险建模、半导体设计EDA、计算机辅助工程和地震成像等严苛的计算密集型HPC工作负载。

纵观整个HPC行业，AMD正在收获越来越多的青睐，AMD EPYC处理器正在为最新公布的全球Top500超算排行榜中的73台超级计算机提供动力，并保持着70项HPC世界纪录。全新Hpc6a实例将第三代AMD EPYC处理器领先的性能以及先进的功能带到了用于复杂的HPC工作负载的计算优化型Amazon EC2实例中。

AMD高级副总裁兼服务器业务部总经理Dan McNamara表示：“无论是用于研究实验室的Exascale系统，还是像Amazon EC2 Hpc6a这种灵活的HPC云计算实例，我们的服务器正在为各个级别的HPC提供动力。AMD EPYC处理器为那些渴望超高HPC性能以及云计算可扩展性的Amazon EC2客户提供了强大的解决方案，以满足他们的工作负载需求。我们与AWS的合作兑现了我们致力于为HPC行业提供尖端技术，并帮助客户解决世界上复杂难题的承诺。”

AWS公司Amazon EC2副总裁David Brown说：“基于第三代AMD EPYC处理器的Amazon EC2 Hpc6a实例可帮助企业灵活地运行需要大量算力、高速内存和存储以及高水平实例间通信的HPC工作负载，且无需额外承担企业内部构建和维护HPC基础设施的前期成本。我们很高兴能与AMD保持着长期的合作，并将基于AMD EPYC处理器的全新实例加入至Amazon EC2家族中。”

2021 年春季，NVIDIA 推出了基于 Ampere 架构的新系列 RTX Ax000 和 Ax0 显卡，具有第三代张量核心。我们为 Selectel 服务器选择了最好的。

那时，已经可以  从ZZQIDC租用配备 Tesla M60、T4、V100 GPU 甚至高端 NVIDIA A100 的专用和云服务器。

由于我们只为客户提供采用现代技术的最新硬件，因此我们决定是时候更新显卡系列了。提供 NVIDIA 宣布的所有视频卡对我们和我们的客户来说都是不合理的。最后，我将告诉你我们如何选择最好的，并在测试构建中分享我们的基准测试结果。

我们在ZZQIDC选择硬件（视频卡、处理器和其他组件）的方法非常简单。我们假设客户希望以最低的成本有效地解决他们的业务问题。因此，我们从以下公式开始：

据此，我们在新显卡中选择了领导者。

考虑了哪些视频卡

我们比较了九种 GPU：从 A2000 到 A6000、A10、A16、A30、A40 和 A100 PCIe 的 RTX 显卡。A2000 仅在今年夏天发布，但这并没有阻止我们审查芯片的规格和测试样品。

所有测试参与者都是服务器显卡，桌面 GeForce RTX 3080 和 3090 不在列表中。这些卡（准确地说是安装 NVIDIA 驱动程序）禁止在数据中心的服务器中使用。制造商严格监控对限制的遵守情况：违规制裁不仅适用于供应商，还适用于租用带有桌面硬件的服务器或在其上安装 NVIDIA 软件的客户。

为了评估显卡，我们从对解决客户经常遇到的问题很重要的几个特征开始。也就是说，我们查看了这些 GPU 的一般用途。核心的用途以简化的形式呈现，每种类型都会影响显卡的性能。

其中：

1. CUDA 核心数（不知道的人，这是 NVIDIA 视频芯片中标量计算单元的符号）。内核越多，卡通常可以更好地处理图形和计算。
2. 张量核的数量可以动态优化计算，并且非常擅长处理典型的使用 AI 的工作负载、用于训练神经网络和数据分析的矩阵乘法。
3. 提供高保真渲染的 RT（光线追踪）核心数量。
   顺便说一句，NVIDIA 并不总是指出 CUDA、RT 和张量核心的确切数量。为了进行比较，我们使用了第三方来源的数据。
4. 记忆。
5. 内存带宽。这两点在逻辑上会影响显卡的性能。
6. 支持 VDI 虚拟 GPU。这一点很重要，因为我们的客户经常使用 VDI。
7. 能源消耗。这对我们来说是一种时尚：对于数据中心来说，这个指标在选择机箱、服务器电源和机架时很重要。
   

   对于 RTX Ax000 系列，性能几乎随型号指数的增长呈线性增长。

   A16是四显卡合一。NVIDIA 将该设备定位为专用的 VDI 解决方案。

   乍一看，A30 的生产力不如 A10，但 HBM2 内存类型的带宽更大。NVIDIA 将 A30 定位为 AI 解决方案。对于这两种设备，该公司没有公布张量和其他核心数量的数据（从第三方来源获得的特征）。

   对比表中其他显卡，顶级PCIe A100方案显存带宽最大，张量核数最大，在意料之中。显然，这个 GPU 的主要目的是处理人工智能和复杂的计算。这是迄今为止 NVIDIA 产品线中性能最高的显卡，尤其是 SXM 外形尺寸的 80GB 版本。但后者是焊接在板上的，出于统一的原因，我们只考虑了 PCIe 外形尺寸中的选项。

   
   

   要花多少钱

   按照已经明确的组件选择公式，考虑价格。在2021年很难写到它们，因为芯片危机和持续的供应中断而被人们铭记。

   由于两个原因，将没有确切的数字。首先，它是商业机密。其次，也是最重要的，自从这些卡在春季发布以来，价格已经发生了变化（我相信它们将来会继续变化）。

   我们将使用这种方法：我们将以 GPU A5000 为标准——它在比较表中的价格将等于 1 只“鹦鹉”。我将通过与 A5000 价格的比率来介绍其余卡的价格。A10 和 A16 的价格范围很接近，因此它们的“成本”相同。
   在这个阶段，价格和申报特性的比率是可以预期的。第一个被添加到 Selectel 视频卡系列中作为初级模型角色的候选者是 A2000。同样令人感兴趣的是 A5000、A10 和 A16 之间的平价。
   
   

8. 让我们继续测试申请人的表现。

   显卡测试

   进行设备测试是 Selectel 的常见做法。我们在各种公司产品中使用了大量的硬件，因此我们测试了它们之间的兼容性和软件的兼容性，以及性能。

   为此，我们拥有自己的“实验室”  我们甚至提供一些设备给客户在他们的项目中免费测试。从最近的例子来看：我们正在测试一个真正的怪物，它有 8 个同名显卡

   为了测试新显卡，我们组装了测试服务器，配备两个来自英特尔的强大处理器和足够的 RAM。
   

9. 特点如下：

   • 2 × Intel® Xeon® Gold 6240：18 核 @ 2.6 GHz
   • 192-384 GB DDR4；
   • 240-480 GB SSD SATA；
   • 1 × 选定的 GPU

   我们选择的基准：

   GeekBench 5 是模拟任务执行并确定 GPU 性能的通用基准。

   AI-benchmark 是一项性能测试，用于衡量学习速度并将各种神经网络应用于识别和分类任务。

   V-Ray Benchmark 是一项检查渲染速度的测试。

   ffmpeg NVENC  - 视频转码的性能测试。

   测试结果列于表中。我们为每个项目确定了领导者。

   在撰写本文时，我们手头没有 A16 和 RTX A6000 显卡，因此它们不包含在表中。他们的基准是稍后计划的。

   基准领导者

   

   从测试结果来看，A5000在性价比方面胜出。OpenCL Compute Score 中的最佳结果略逊于 CUDA Compute Score 中更昂贵的 A40 和 A100，适用于处理图形。在 A100 之后的 AI 基准测试中排名第二。V-Ray渲染速度测试领先，转码测试领先。支持 VDI。如果与价格表相比，我们无条件地选择。

   A2000 比 A5000 便宜五倍，同时显示基本模型可接受的基准测试结果。不支持 VDI，但适用于图形和 AI 任务。

   A4000 在性能方面介于 A2000 和 A5000 之间，不支持 VDI，但在价格和基准测试结果方面经受住了批评。

   正如我已经写过的，A100 在人工智能、模型训练、推理、数据分析和复杂计算方面是无可争议的领导者。远程桌面基础架构的理想选择。

   在比较基准和价格时，其余的 GPU 显示的结果较少。

每年，Gartner都会确定对业务很重要的技术趋势。今年Gartner 概述了2022年的12个战略趋势，这些趋势将帮助CEO为其业务带来效率、数字化和增长，并帮助CIO和IT专业人员在其组织中寻找战略合作伙伴。

Gartner副总裁分析师David  Groombridge表示：“CEO 知道他们必须加快数字业务的采用，并找到更直接的数字方法来与客户建立联系。” 但考虑到未来的经济风险，他们也希望企业能够高效运营并保护他们的利润和现金流。”

以下是2022年的12个战略技术趋势——它们为什么有价值？

2022年12大战略技术趋势

趋势一：Data Fabric——数据结构

Data Fabric 提供跨平台和业务用户的数据源之间的灵活集成，使数据无论在哪里都可以在任何需要的地方使用。

Data Fabric 可以分析以了解并推荐数据的存储位置。这可将数据管理工作减少多达 70%。

趋势二：网络安全网格——网络安全网格

Cyber​​security Mesh 是一种灵活的架构，可以组合和集成不同或广泛分布的安全服务。

Cyber​​security Mesh 允许独立的安全解决方案协同工作以提高整体安全性，同时将控制点移近它们旨在保护的数据。Cyber​​security Mesh 可以跨云和非云环境快速可靠地验证身份、上下文和策略合规性。

趋势 3：隐私 – 增强计算 – 隐私增强计算

隐私——增强计算确保在不受信任的环境中处理个人数据。随着隐私和数据保护法的发展以及用户对隐私的关注度越来越高，确保隐私变得越来越重要。

隐私 – 增强计算使用各种隐私保护技术来允许从数据中提取价值，同时满足合规性要求。
 

趋势四：云原生平台——云原生平台

云原生平台是一种技术，可让您构建弹性、弹性和敏捷的新应用程序架构，帮助您快速响应数字化变化。

云原生平台采用提升和转移方法（一种特殊技术，用于将应用程序、软件或系统从一个环境移动到另一个环境而不显着改变底层设计）进行创新。应用程序、软件或系统的版本）传统对于云，这种方法无法利用云的优势并增加了维护的复杂性。

趋势 5：可组合应用程序 - 可组合应用程序

可组合应用程序是由模块化的功能组件构建的。

可组合应用程序使代码更易于使用和重用，加快新软件解决方案的上市时间，并增加业务价值。

趋势六：决策智能——人工智能自己做决定

决策智能是一种改进组织决策的实用方法。它将每个决策建模为一组过程，使用人工智能和分析来通知、学习和改进决策。

决策智能可以支持和增强人类决策，并可能通过使用增强分析、模拟和人工智能实现自动化。

趋势七：超自动化——超级自动化

超自动化是一种规范的、面向业务的方法，用于快速定义、测试和自动化尽可能多的业务和 IT 流程。

超自动化支持可扩展性、远程操作和业务模型中断。

趋势八：AI工程——人工智能工程

AI 工程自动更新数据、模型和应用程序以简化 AI 交付。

结合强大的人工智能治理，人工智能工程将推动人工智能交付，以确保其持续的商业价值。

趋势九：分布式企业——分布式企业

分布式企业反映了数字优先、远程优先的商业模式，以改善员工体验、数字化消费者和合作伙伴接触点并构建产品体验。

分布式企业更好地满足员工和消费者的需求，推动了对虚拟服务和混合工作场所的需求。
 

趋势 10：全面体验 – 全面体验

全面体验是一种业务战略，它跨多个接触点整合员工体验、客户体验、用户体验和多点触控体验，以加速增长。

通过对利益相关者体验的全面管理，全面体验可以增强客户和员工的信心、满意度、忠诚度和支持。
 

趋势 11：自主系统——自动化系统

自主系统是自我管理、从环境中学习并实时动态修改自己的算法以优化其在生态系统中的行为的物理系统或软件。

自主系统创建了一组技术，能够支持新的需求和场景、优化性能并在没有人工干预的情况下防止攻击。
 

趋势12：生成人工智能——衍生人工智能

Generative AI 从数据中学习外来元素，并创建一个与原始相似但更具创新性且不重复的新版本。

生成式人工智能有潜力创造新形式的创意内容，例如视频，并加速从医学到产品创造等领域的研发周期。

技术趋势如何推动数字业务？

顶级技术趋势将通过解决 CIO 的业务挑战来推动数字化转型并推动增长。它们提供了一个路线图，以发挥作用、实现业务目标并为组织寻找战略合作伙伴。

每个技术趋势都会产生以下三个主要结果之一：

工程信任——对技术的信任

通过确保在云和非云环境中更安全地集成和处理数据，创建灵活高效的 IT 平台，优化 IT 平台扩展成本。

雕刻变化——改变结构

通过发布新技术解决方案来扩展和加速数字化。这些技术趋势允许通过创建自动化业务运营、优化人工智能 (AI) 和更快地做出更明智的决策来响应数字化的速度。

加速增长——加速增长

通过利用新技术趋势获得业务市场份额。同样的趋势推动增长，使您能够创造最大价值并提升您的数字能力。

结尾

不同的技术趋势将对其他组织产生不同的影响。趋势的紧密结合可以满足业务增长周期中的许多需求。技术趋势的选择将由CEO、CIO 决定，以匹配组织的长期和短期业务目标。

计算系统经常面临繁重的工作负载，这也适用于云技术。为了优化性能并满足用户需求，系统正在扩展。应用创新的软件资源来根据客户需求调整性能。缩放被认为是最有效的技术。

在本文中，我们将定义什么是云可扩展性并描述技术类型。

云可扩展性：它是什么的定义

服务器可扩展性是一种通过添加计算资源来提高系统性能的方法。这适用于硬件和软件修改。为此，重写了现有代码。

一些公司认为，如果云服务器的整体性能指标对工作流变得无效，则应该采用扩展。但即使运行稳定，也可能由于用户流量的增加而周期性地出现问题。

可以使用特殊的测试工具检查过载电阻。用户流向服务器的增加是人为造成的。启动应用程序后，您需要评估 2 个指标：

• 请求总数；
• 同时执行多少个请求。

显示 RPS – 每秒的请求数，据此估计服务器系统故障的概率。

云可扩展性选项

当无法更改服务器的配置和优化时，扩展云资源是最好的解决方案。完成：

1. 垂直缩放。通过提高内部资源的运作效率来提高流程的整体能力。这些是硬件方法：内存、处理器、磁盘。
2. 水平缩放。通过添加额外的节点来增加计算资源。当数字负载和流量快速增长时，这种扩展选项是必要的，在这种情况下，底层架构无法应对请求的增加并出现故障。
3. 对角线缩放。这是在水平扩展无法确保内部流程的稳定性和效率时使用的创新方法。同时进行双面放大——水平放大的节点垂直建立。

如何创造最大的可扩展性？您可以使用集群来提高系统性能，这是一种非常节省资源的方法。该技术旨在将服务器分发和组合到容器和集群中。还要注意缓存。由于水平扩展无法执行多个组件的简单缓存，因此使用高度安全的存储执行优化。

那么，云中的服务器可扩展性究竟是什么？这是提高系统性能的最佳方式。通过添加计算资源（软件和硬件）来实现。

您可以在其中为不同复杂性的项目选择必要的服务器，包括在服务器扩展方面获得专业帮助。在租用云服务器是一个显着提高整个公司绩效指标的机会。在该站点上，您可以查看所有 vps 服务器的资费。

在加入IDC之前，我曾在一家产品和流程创新咨询公司工作。技术人员——我的许多同事——由一百多名拥有多个博士和博士后学位的机械、电气、化学和其他工程师组成。该公司还积极维护着一个科学家网络，他们扮演着咨询角色，可以随时咨询。在我的十年任期内，这个网络增长到了数千个。该公司的主要客户包括财富 1000 强公司——主要是制造业和消费品行业——拥有大量研发投资。

按照大多数标准，这家咨询公司相对较小——主要是大型咨询公司的同行群体——但这并没有阻止它代表客户承担一些非常酷的任务。它为电信行业设计了微型天线（几毫米高），解决了铝制卡车车轮制造的棘手生产问题，解决了天然气管道的腐蚀问题，降低了太阳能电池板的成本，开发了油漆涂层的新方法，甚至推出突破性的牙齿美白解决方案。

这家公司怎么能在这么多不同的学科中如此有效？因为一种促进创新的文化。该公司开发了一种系统的创新方法，可以应用于任何工程、科学或研究领域。这种方法将“工程系统”，无论是牙齿美白系统还是卡车车轮制造系统，解构为其底层组件之间的功能。它确定了哪些功能是有用的，哪些是不必要的，甚至是有害的，然后通过消除不必要或有害的功能，增加有用的功能来重建系统。对于那些知道的人，这种方法是基于 TRIZ -创造性解决问题的理论. 各种其他的分析工具也被应用了，这里我就不深入了。

有人可能会争辩说，这家公司构建了需要优化、原型化或操作化的工程系统的“功能双胞胎”。这早在“数字双胞胎”（在运营技术的背景下使用）之类的术语变得司空见惯之前（“数字双胞胎”是物理对象或过程的虚拟表示和实时数字对应物）。事实上，除了基本的笔记本电脑外，没有计算机参与这家公司的技术人员使用的分析过程。简而言之，这家小型创新咨询公司能够蓬勃发展的真正原因是，它的大客户中很少有人投资或可以访问大型高性能计算 (HPC) 系统（例如可以在研究中找到的系统）当时的机构和大学），别管它有内部技能，可以将相关问题编码或编程到这些 HPC 集群上。可以说，这家咨询公司的 100 名工程师的核心员工和 3,000 名科学家的附属员工代表了并行的人机，有点像 NASA 用于早期阿波罗任务的“人机”，除了几十年后。

今天，公司不能再依赖“人机”进行研发活动。激烈的竞争、对保持或促进组织差异化的不断追求，以及在数字信息中做出决策的需要，意味着几乎每家公司——无论行业如何——都必须投资于高性能计算、人工智能和分析基础设施。他们必须聘请能够有效利用这些系统的技术人员。我们正处于英伟达首席执行官黄仁勋所说的“HPC 工业化”时代。如果数据是新的石油，HPC 的产业化旨在确保原油能够在内部和外部快速提取、精炼并适合消费。我工作的公司作为服务提供给有能力的客户，

彻底改变商业投资和成果

HPC 的工业化——有时也被称为 HPC 的民主化——只不过是 HPC 技术变得司空见惯。它们的采用不再局限于资金充足的国家实验室和大型大学。HPC 正在公共和私人研究机构、云计算、数字和通信服务提供商中获得更广泛的采用，而且——至关重要的是——在许多企业中。这正在彻底改变商业投资和成果：

• 工业公司正在检修他们的制造工厂和研发中心。增加对软件解决方案的投资使科学家和技术人员能够以精确和确定性的依赖来加速产品和流程创新。
• 快速、高度响应和破坏性而非增量产品和流程创新对于当今组织的竞争力至关重要，而此类创新需要越来越复杂的方法，包括在 HPC 系统上建模和仿真。
• 公司正在增加对人工智能 (AI) 的投资，从而加快人工智能在企业工作负载中的渗透。IDC 预测，到 2025 年，全球五分之一的计算基础设施将用于运行 AI。AI 始于数据中心的孤立系统，但越来越多地迁移到可以运行 HPC 的相同类型的大型集群中。从本质上讲，这些 AI 集群是将 HPC 集群带入工业世界的良性特洛伊木马。

无论是本地 HPC 系统的资本支出还是 HPC 即服务的运营支出，以可管理的成本（和可衡量的回报）不断增长的海量计算的可用性，都为科学家、工程师和技术人员提供了巨大的支持能力。再加上丰富的数据集，对海量计算能力的访问为科学家带来了一种新的研发文化。在没有惩罚的情况下增加迭代运行的能力允许他们在可接受的时间范围内尽可能频繁地调整模型或运行模拟。

最后一点不仅仅是启用多次运行。它还允许企业的研发在其领域采用一种基本的科学和数据主导的方法，在这种方法中，他们不仅试图开发解决方案，而且还开始积极寻找新问题（可以使用算法方法解决） ）。颠覆性创新在于利用技术寻找新问题，而这通常是科学发现的起点。

IDC 的高性能计算

所有这一切让我明白为什么这是 IDC 的一个重要领域，以及为什么我有幸领导 IDC 在该领域的再投资。IDC 的客户（包括供应商、服务提供商、最终用户和金融投资者）继续寻求有关高性能计算的高质量市场研究和情报。一段时间以来，他们一直在呼吁 IDC 扩展其全球研究框架，将 HPC 包括在内。我在这里告诉你，我们清楚地听到了你的声音。换句话说，IDC 对 HPC 的报道源于市场对可靠和可操作的市场数据和洞察力、相关趋势的未满足需求，以及 HPC 与人工智能、量子计算和加速计算等新兴领域的关键融合。在这样做，我们希望确保任何新的 HPC 相关覆盖在分类和本体上都与 IDC 的全球行业研究框架保持一致。这是IDC的战略投资领域，我们将全力以赴。

从2022年1月开始，IDC 将启动两个以 HPC 为重点的联合研究计划（称为持续情报服务或 CIS）。这些项目（这将是我实践的一部分，我正在为此聘请两名分析师——更多内容见下文）将从各个方面跟踪 HPC 市场和行业，包括在国家实验室、大学、企业和其他组织完成的工作在全球范围内。这两个程序是：

• 高性能计算趋势和策略——该计划将成为我们的旗舰 HPC 服务，涵盖行业和市场趋势、洞察力、最终用户采用、用例和供应商策略。
• 高性能计算即服务——该计划将深入了解最终用户在专用、托管和公共云基础设施中对高性能计算即服务的采用趋势。

这两个计划都将为供应商和服务提供商提供智能，因为他们寻求提供技术堆栈即服务，以实现与高性能计算相关的各种用例

IDC 多年来一直密切关注 HPC 市场，使用“建模与仿真 (M&S)”一词。我们将 M&S 作为一个用例组进行了检查，该用例组分布在我们的企业工作负载细分市场中，并与我们跟踪的企业基础设施市场相关联。此外，我们定义、跟踪、规模、预测和细分相邻市场、技术和用例组，即：

• 人工智能 (AI) 基础设施
• 大数据和分析基础设施 (BDA)
• 用于 AI、BDA 和 M&S 用例的加速服务器
• 大规模并行计算 (MPC) – IDC 对大规模并行集群的称呼
• 量子计算

在此过程中，我们得出结论，上述所有内容都可以归为一个总称：性能密集型计算 (PIC)，特别是因为用于部署与这些用例组相关的工作负载的计算和存储基础架构的融合。

IDC 将性能密集型计算 (PIC)定义为执行大规模数学密集型计算的过程，通常用于人工智能 (AI)、建模和仿真 (M&S) 以及大数据和分析 (BDA)。PIC 还用于处理大量数据或以尽可能最快的方式执行复杂的指令集。PIC 不一定规定特定的计算和数据管理架构，也没有规定计算方法。然而，某些类型的方法，例如加速计算和大规模并行计算，自然而然地获得了突出地位。

从性能密集型计算的背景来看，IDC 认为 HPC 由三个主要细分市场组成：

• 为政府、国家实验室和其他公共组织资助和定制的超级计算站点
• 使用定制和现成设计混合构建的机构或企业网站
• 采用现成设计构建的主流 HPC 环境，可满足全球数千家企业的技术和科学计算需求

当我们定义这些市场时，我们会确保它们无缝地结合在一起——就像一个谜题。我们还确保它们在逻辑上符合 IDC 对全球企业基础架构市场的定义和跟踪方法。下图显示了在 IDC 的分类中，这些市场如何组合在一起。

十年前，像我在加入 IDC 之前工作的那家公司使用人类专家通过创建工程系统的功能双胞胎来开发解决或优化问题的方法。工程师将花费数周时间将系统拆开（在纸上），定义所有组件之间的功能，删除有害或不必要的功能，添加有益的功能，然后用创新的新功能重建系统。如今，工程系统以数字方式重新创建、分析和优化，产品和流程创新在 AI、HPC 和 BDA 的支持下进行，科学家必须具备软件开发专业知识。这种转变不亚于各种规模公司的研发和工程部门的全球数字化转型。