ផលប៉ះពាល់លើទេសភាព DevOps

នៅក្នុងទិដ្ឋភាពវិវត្តន៍យ៉ាងឆាប់រហ័សនៃដំណើរការភាសាធម្មជាតិ (NLP) Nvidia បានបង្ហាញការអភិវឌ្ឍន៍ផ្លាស់ប្តូរហ្គេមដែលសន្យាថានឹងធ្វើបដិវត្តអន្តរកម្មរវាងមនុស្ស និងកុំព្យូទ័រ។ ក្រុមហ៊ុនបច្ចេកវិទ្យាយក្សមួយនេះបានបញ្ចេញនូវគំរូបទភ្លេង Llama3-70b QA/RAG ដែលមានលក្ខណៈប្រកួតប្រជែង ដែលបង្ហាញពីព្រឹត្តិការណ៍ដ៏សំខាន់មួយនៅក្នុងអាណាចក្រនៃ Retrieval-Augmented Generation (RAG) និងប្រព័ន្ធសំណួរ-ចម្លើយសន្ទនា (QA) ។ លោតទៅ ការណែនាំ Llama3-ChatQA-1.5៖ ស្តង់ដារថ្មីក្នុងការសន្ទនា AI លក្ខណៈសំខាន់ៗ និងការកែលម្អ ការវិវត្តន៍ពី ChatQA ទៅ Llama3-ChatQA-1.5 ការបង្កើតឡើងវិញ – បង្កើនភាពច្នៃប្រឌិត បដិវត្តន៍ Llama 3: ការកំណត់ស្តង់ដារថ្មី។ ទិសដៅអនាគតសម្រាប់ឡាម៉ា ៣ Llama 3 ទល់នឹង Llama 2: A Quantum Leap ក្នុងការសម្តែង ផលប៉ះពាល់នៃ Llama3-ChatQA-1.5 លើ NLP និង AI កម្មវិធីសក្តានុពល និងអត្ថប្រយោជន៍ ផ្លូវឆ្ពោះទៅមុខ៖ ទទួលខុសត្រូវ…

នៅក្នុងទិដ្ឋភាពនៃការវិវឌ្ឍដែលមិនធ្លាប់មាននៃការអភិវឌ្ឍន៍កម្មវិធី ការធ្វើតេស្តនៅតែជាធាតុផ្សំដ៏សំខាន់សម្រាប់ធានាគុណភាព និងភាពជឿជាក់នៃផលិតផល។ ទោះជាយ៉ាងណាក៏ដោយ ដំណើរការនៃការបង្កើតផែនការសាកល្បង និងលក្ខណៈបច្ចេកទេសជាប្រពៃណីគឺជាការងារដែលចំណាយពេលច្រើន និងពឹងផ្អែកលើកម្លាំងពលកម្ម។ បញ្ចូល Hephaestus (HEPH) ដែលជាក្របខ័ណ្ឌ AI បង្កើតថ្មីដែលបង្កើតឡើងដោយក្រុម DriveOS របស់ NVIDIA ដែលត្រូវបានរចនាឡើងដើម្បីធ្វើស្វ័យប្រវត្តិកម្ម និងសម្រួលដំណើរការបង្កើតការធ្វើតេស្ត។ លោតទៅ អំណាចនៃ AI នៅក្នុងការធ្វើតេស្តកម្មវិធី លក្ខណៈសំខាន់ៗរបស់ HEPH លំហូរការងារ HEPH កម្មវិធីពិភពលោកពិត អនាគតនៃស្វ័យប្រវត្តិកម្មសាកល្បង សេចក្តីសន្និដ្ឋាន អំណាចនៃ AI នៅក្នុងការធ្វើតេស្តកម្មវិធី HEPH ប្រើប្រាស់គំរូភាសាធំ (LLMs) ដើម្បីវិភា អ្នកដឹកនាំពិសេស គឯកសារបញ្ចូល និងគំរូកូដ បង្កើតការសាកល្បងការយល់ដឹងអំពីបរិបទដែលតម្រូវតាមតម្រូវការជាក់លាក់។ វិធីសាស្រ្តដែលជំរុញដោយ AI នេះកាត់បន្ថយយ៉ាងខ្លាំងនូវពេលវេលាដែលបានចំណាយលើការបង្កើតករណីសាកល្បង ដោយផ្តល់នូវដំណោះស្រាយបដិវត្តចំពោះបញ្ហាប្រឈមដ៏យូរអង្វែងក្នុងការអភិវឌ្ឍន៍កម្មវិធី។ លក្ខណៈសំខាន់ៗរបស់ HEPH ស្វ័យប្រវត្តិកម្មគ្រប់ជ្រុងជ្រោយ ៖ HEPH ធ្វើស្វ័យប្រវត្តិកម្មលំហូរការងារសាកល្បងទាំងមូល ចាប់ពីការតាមដានឯកសាររហូតដល់ការបង្កើតកូដ ដោយរក្សាទុកក្រុមវិស្វកម្មពេលវេលាអភិវឌ្ឍន៍យ៉ាងច្រើន។ Context-Aware Test Generation ៖ តាមរយៈការប្រើប្រាស់ឯកសារគម្រោង…

នៅក្នុងយុគសម័យឌីជីថល ការផ្សាយផ្ទាល់ព្រឹត្តិការណ៍កីឡាទៅកាន់អ្នកទស្សនារាប់លាននាក់ក្នុងពេលដំណាលគ្នាមិនមែនជារឿងតូចតាចទេ។ JioCinema ដែលជាវេទិកាស្ទ្រីមដ៏ពេញនិយមបានគ្រប់គ្រងដើម្បីសម្រេចបាននូវព្រឹត្តិការណ៍ដ៏អស្ចារ្យនេះក្នុងអំឡុងពេលការប្រកួតកីឡា cricket របស់ Indian Premier League (IPL) ។ ចូរយើងស្វែងយល់អំពីហេដ្ឋារច បច្ចេកវិទ្យាស្ទ្រីម IPL របស់  នាសម្ព័ន្ធបច្ចេកវិទ្យាដ៏ស្មុគស្មាញដែលអាចឱ្យ JioCinema ផ្តល់នូវបទពិសោធន៍នៃការផ្សាយប្រកបដោយភាពរលូនទៅកាន់អ្នកចូលចិត្តកីឡា cricket ជាង 20 លាននាក់នៅទូទាំងប្រទេសឥណ្ឌា។ លោតទៅ បណ្តាញចែកចាយមាតិការឹងមាំ ការអ៊ិនកូដវីដេអូកម្រិតខ្ពស់ និងការស្ទ្រីមអត្រាប៊ីតអាដាប់ធ័រ ហេដ្ឋារចនាសម្ព័ន្ធពពកដែលអាចធ្វើមាត្រដ្ឋានបាន។ ការវិភាគ និងតាមដានពេលវេលាពិត ពិធីការស្ទ្រីមភាពយឺតយ៉ាវទាប យុទ្ធសាស្ត្រពហុ CDN តុល្យភាពផ្ទុកប្រកបដោយប្រសិទ្ធភាព ការបង្កើនប្រសិទ្ធភាពចល័ត ការកំណត់ផ្ទាល់ខ្លួន និងបទពិសោធន៍អ្នកប្រើប្រាស់ វិធានការសន្តិសុខរឹងមាំ ការច្នៃប្រឌិត និងការកែលម្អជាបន្តបន្ទាប់ សេចក្តីសន្និដ្ឋាន បណ្តាញចែកចាយមាតិការឹងមាំ ចំនុចសំខាន់នៃសមត្ថភាពស្ទ្រីមរបស់ JioCinema គឺបណ្តាញចែកចាយខ្លឹមសារដ៏រឹងមាំ (CDN)។ បណ្តាញចែកចាយនៃម៉ាស៊ីនមេនេះត្រូវបានដាក់ បានធ្វើបច្ចុប្បន្នភាពបញ្ជីលេខទូរស័ព្ទពីទូទាំងពិភពលោក បច្ចេកវិទ្យាស្ទ្រីម IPL របស់  ជាយុទ្ធសាស្រ្តនៅទូទាំងទីតាំងភូមិសាស្ត្រនានាធានាថាមាតិកាវីដេអូត្រូវបានបញ្ជូនទៅអ្នកមើលជាមួយនឹងភាពយឺតយ៉ាវតិចតួចបំផុត។ តាមរយៈការរក្សាទុកមាតិកាឱ្យកាន់តែជិតអ្នកប្រើប្រាស់ចុងក្រោយ CDN កាត់បន្ថយពេលវេលាផ្ទុកទិន្នន័យយ៉ាងច្រើន និងបង្កើនបទពិសោធន៍នៃការមើលទាំងមូល។…

នៅក្នុងទិដ្ឋភាពនៃការវិវត្តន៍យ៉ា បដិវត្តការបង្កើតសំណួរ  ងឆាប់រហ័សនៃការសម្រេចចិត្តដែលជំរុញដោយទិន្នន័យ Uber បានបង្កើតឧបករណ៍ឈានមុខគេមួយដែលកំពុងផ្លាស់ប្តូររបៀបដែលវិស្វករ អ្នកគ្រប់គ្រងប្រតិបត្តិការ និងអ្នកវិទ្យាសាស្ត្រទិន្នន័យធ្វើអន្តរកម្មជាមួយឃ្លាំងទិន្នន័យដ៏ធំរបស់ពួកគេ។ QueryGPT ដែលជាកម្មវិធីប្រកបដោយភាពច្នៃប្រឌិតនៃ AI ជំនាន់ថ្មី កំពុងបិទគម្លាតរវាងភាសាធម្មជាតិ និងសំណួរ SQL ដ៏ស្មុគស្មាញ ដោយបង្កើនផលិតភាពយ៉ាងសំខាន់នៅទូទាំងស្ថាប័ន។ លោតទៅ លោកុប្បត្តិនៃ QueryGPT ស្ថាបត្យកម្ម និងការវិវត្តន៍ លក្ខណៈសំខាន់ៗ និងការកែលម្អ ការវាយតម្លៃ និងការធានាគុណភាព បញ្ហាប្រឈម និងការរៀនសូត្រ ផលប៉ះពាល់ និងទិសដៅអនាគត សេចក្តីសន្និដ្ឋាន លោកុប្បត្តិនៃ QueryGPT នៅ Uber ដែលជាកន្លែងដែលសំណួរអន្តរកម្មប្រហែល 1.2 លានត្រូវបានដំណើរការប្រចាំខែ តម្រូវការសម្រាប់ការបង្កើតសំណួរប្រក ទិញបញ្ជីលេខទូរស័ព្ទ បដោយប្រសិទ្ធភាពកាន់តែច្បាស់ឡើង។ ជាមួយនឹងក្រុមប្រតិបត្តិការតែម្នាក់ឯងដែលរួមចំណែកដល់ 36% នៃសំណួរទាំងនេះ សក្ដានុពលសម្រាប់ការសន្សំពេលវេលាគឺមានច្រើនណាស់។ QueryGPT បានលេចចេញជាដំណោះស្រាយចំពោះបញ្ហាប្រឈមនេះ ដោយសន្យាថានឹងកាត់បន្ថយពេលវេលាសរសេរសំណួរពីជាមធ្យម 10 នាទីមកត្រឹមតែ 3 នាទីប៉ុណ្ណោះ។ គោលគំនិតនៃ QueryGPT បានកើតក្នុងអំឡុងពេលនៃការបង្កើត AI…

នៅក្នុងការផ្លាស់ប្តូរដ៏អស្ចារ្យមួយដែលបានកំណត់ដើម្បីធ្វើបដិវត្តទេសភាព DevOps JFrog និង GitHub បានប្រកាសពីភាពជាដៃគូដ៏ទូលំទូលាយមួយក្នុងគោលបំណងរួមបញ្ចូលវេទិការៀងៗខ្លួនរបស់ពួកគេ។ កិច្ចសហការនេះត្រូវបានបង្ហាញនៅថ្ងៃទី 29 ខែឧសភា ឆ្នាំ 2024 សន្យាថានឹងសម្រួលដំណើរការអភិវឌ្ឍន៍កម្មវិធី និងបង្កើនវិធានការសុវត្ថិភាពនៅទូទាំងខ្សែសង្វាក់ផ្គត់ផ្គង់កម្មវិធីទាំងមូល។ លោតទៅ លក្ខណៈសំខាន់ៗនៃភាពជាដៃគូ ការអភិវឌ្ឍន៍នាពេលអនាគត ផលប៉ះពាល់លើទេសភាព DevOps ផលប៉ះពាល់សម្រាប់អង្គការ បញ្ហាប្រឈម និងឱកាស សេចក្តីសន្និដ្ឋាន លក្ខណៈសំខាន់ៗនៃភាពជាដៃគូ សម្ព័ន្ធភាពនឹងអនុញ្ញាតឱ្យមានកា ទិញសេវា sms ច្រើន រតភ្ជាប់ទ្វេទិសពីកំណើតរវាងកូដប្រភពនៅក្នុងឃ្លាំង GitHub និងកញ្ចប់ដែលបានបង្កើតដែលរក្សាទុកនៅក្នុងវេទិកា JFrog ។ សមាហរណកម្មនេះត្រូវបានរចនាឡើងដើម្បីផ្តល់ឱ្យអ្នកអភិវឌ្ឍន៍នូវទិដ្ឋភាពរួមនៃគម្រោងរបស់ពួកគេ សម្របសម្រួលការរុករកកាន់តែងាយស្រួល និងតាមដានរវាងកូដប្រភព និងប្រព័ន្ធគោលពីរ។ ការអភិវឌ្ឍន៍ដោយ AI ទិដ្ឋភាពសំខាន់នៃភាពជាដៃគូនេះគឺការរួមប វិធីជំរុញវេទិកាទិន្នន័យអតិថិជនរបស់អ្នក។ ញ្ចូលជាមួយ GitHub Copilot ដែលជាក្របខ័ណ្ឌ AI ជំនាន់ចុងក្រោយដែលផ្អែកលើគំរូភាសាធំ (LLMs) ដែលបង្កើតឡើងដោយ OpenAI ។ ការធ្វើសមាហរណកម្មនេះ មានគោលបំណងប្រើប្រាស់បញ្ញាសិប្បនិម្មិត ដើម្បីបង្កើនប្រសិទ្ធភាព និងផលិតភាពនៃការសរសេរកូដ។ វិធានការសន្តិសុខដែលបានពង្រឹង…

នៅក្នុងអាណាចក្រនៃការធ្វើតេស្តការអនុវត្ត Apache JMeter លេចធ្លោជាឧបករណ៍ដ៏មានអានុភាពសម្រាប់បង្កើតបន្ទុកយ៉ាងច្រើនដល់កម្មវិធីតេស្តស្ត្រេស។ ទោះយ៉ាងណាក៏ដោយ ករណី JMeter តែមួយអាចមិនគ្រប់គ្រាន់សម្រាប់សេណារីយ៉ូការធ្វើតេស្តខ្នាតធំនោះទេ។ នេះគឺជាកន្លែងដែលការធ្វើតេស្តផ្ទុកចែកចាយចូលមកលេង ហើយ Docker លេចចេញជាដំណោះស្រាយផ្លាស់ប្តូរហ្គេម ដើម្បីសម្រួលដំណើរការ។ លោតទៅ ការយល់ដឹងអំពីស្ថាបត្យកម្មតេស្តចែកចាយរបស់ JMeter ការទំនាក់ទំនង Master-Slave បញ្ចូល Docker៖ ធ្វើឱ្យហេដ្ឋារចនាសម្ព័ន្ធ JMeter សាមញ្ញ តួនាទីរបស់ Docker ក្នុងការធ្វើតេស្តចែកចាយ JMeter Dockerizing JMeter: វិធីសាស្រ្តមួយជំហានដោយជំហាន ការបង្កើតបរិស្ថាន JMeter កំពុងដំណើរការការធ្វើតេស្តចែកចាយជាមួយ Docker ដែនកំណត់ និងការពិចារណានាពេលអនាគត សេចក្តីសន្និដ្ឋាន ការយល់ដឹងអំពីស្ថាបត្យកម្មតេស្តចែកចាយរបស់ JMeter ការរៀបចំការធ្វើតេស្តចែកចាយរបស់ JMeter ពាក់ព័ន្ធនឹងវត្ថុសំខាន់ដែលគ្រប់គ្រងវត្ថុ JMeter ពីចម្ងាយជាច្រើន ដែលត្រូវបានគេស្គាល់ថាជា ទិន្នន័យ telegramទាសករ។ ស្ថាបត្យកម្មនេះអនុញ្ញាតឱ្យបង្កើតបន្ទុកធំជាងនេះ ជំរុញកម្មវិធីដល់ដែនកំណត់របស់វា។ ការទំនាក់ទំនង Master-Slave ការទំនាក់ទំនងរវាងមេ JMeter និងទាសករពឹងផ្អែកលើ Java…