- 综合排序
- 最热优先
- 最新优先
- 来自专栏云云众生s
完善云原生架构的3个关键实践
译自 3 Key Practices for Perfecting Cloud Native Architecture，作者 Rahul Shrivastava。 云原生架构 在近年来迅速崛起，成为现代软件开发的首选基础。根据 IDC 的数据，云原生应用开发是当今科技领域发展最快的趋势之一，预计到 2025 年，90-95% 的应用程序将采用云原生架构。 这种采用率的激增反映了云原生架构所提供的无与伦比的可扩展性、灵活性以及弹性，使其成为企业提供无缝数字体验的必备要素。 然而，构建强大的云原生架构并非易事。这不仅仅是将现有系统迁移到云端。 为了有效地应对这种复杂的转型，企业必须采用三种关键实践，这些实践对于完善云原生架构至关重要。 构建模块化和可扩展的系统 微服务架构 通过实现模块化、可扩展和弹性的应用程序，彻底改变了软件开发。 实时监控和警报： 随着云原生架构的演变，重点将越来越多地转向利用自动化和先进技术来保持竞争力。拥抱这些创新的组织将更有能力应对现代软件开发的复杂性，并满足用户不断增长的需求。
28510编辑于 2024-09-26 - 来自专栏数智转型架构师
从架构到飞轮：什么才是真正的“AI原生”？
我认为AI Native它不是一个功能，而是一种全新的思想范式，一套完整的方法论，一套全新的架构。我觉得，一个真正的AI原生应用，必须具备以下五个环环相扣的核心支柱： 支柱一：架构原生 这是地基。 AI原生应用不是在传统的软件架构上“打补丁”，而是从第一行代码开始，就为AI而生。 传统架构：是“以应用为中心”的。一个庞大的、一体化的应用，通过API去调用一下AI的“能力”。AI是个“外援”。 原生架构：是“以AI（大模型）为中心”的。整个系统被设计成一个由多个微服务、工具、数据源组成的网络，而大模型是这个网络的“大脑”和“调度中心”。 架构不原生，AI的智慧就永远被禁锢在传统软件的牢笼里，无法发挥应有的潜能。 支柱二：交互原生 这是体验。AI原生应彻底改变人与机器的协作方式： 传统交互（GUI）：图形用户界面。 总结：从“工具”到“生命体” 现在，我们再回看“AI原生”，它的画像就清晰了： 它拥有一个为AI而生的“原生架构”，通过“原生交互”理解我们的意图，由自主的“Agent”去执行任务。
34510编辑于 2026-05-09 - 来自专栏IT民工闲话
软件架构演化简史：从单体到AI原生
那些整整齐齐的"单体→分布式→SOA→微服务→云原生→AI原生"或者"单体-C/S分层→SOA→微服务→云→云原生/Serverless"的分段框架，都是后人总结实践经验形成的叙事框架，只是为了便于人脑记忆和理解 拥抱不确定性，才是软件架构的第一性原理。AI大模型的到来，把不确定性往前推了更大的一步。 AI时代的新挑战 现在谈AI原生架构，需要保持谦逊。 大模型已经来了，AI Agent、工作流编排、Skills仓库、AI网关、模型路由层……各种新概念和新组件在快速涌现。已经有人开始喊"AI Native架构"，也有人在聊"AI云原生架构"。 这话在以前是对的，在AI时代也是对的。至于AI原生的定义，等到新一代架构涌现之后自有人来评说。马克·吐温有句话——"历史不会重复，但总是押韵。" 从单体到分布式，从SOA到微服务，从云原生到AI原生，每个历史阶段的问题不同，但架构理念相同：解耦、隔离、容错、拥抱不确定性，权衡、取舍、折中、解决当下的问题。
10910编辑于 2026-05-29 规避AI原生转型中的架构健忘症
在QCon AI纽约2025大会上，Tracy Bannon发表演讲，探讨了AI代理的快速采用如何重塑软件系统，以及如果组织将所有“AI”或“代理”视为可互换的，为何会面临重复熟悉架构失败的风险。 “每个人都在谈论AI‘生产力’，却很少有人提及随之而来的架构健忘症。” —— Tracy Bannon为了具体说明，Bannon概述了一组在软件开发生命周期中常见的自主性模式。 她认为，AI并没有引入全新的故障模式，而是通过加速变化和扩大错误的波及范围，加剧了现有的问题。她重点阐述了将既定的架构原则应用于代理系统。 演讲最后呼吁架构师和高级工程师在引入AI代理的方式上发挥积极作用。 她的结束语是：软件架构的核心实践仍然有效，挑战不在于学习全新的学科。希望了解更多信息的开发者可以探索更多QCon AI会议和InfoQ的报道，大会的录播视频预计将于2026年1月15日开始提供。
12010编辑于 2026-01-08- 来自专栏IT民工闲话
软件架构演化简史：从单体到AI原生
那些整整齐齐的"单体→分布式→SOA→微服务→云原生→AI原生"或者"单体-C/S分层→SOA→微服务→云→云原生/Serverless"的分段框架，都是后人总结实践经验形成的叙事框架，只是为了便于人脑记忆和理解 拥抱不确定性，才是软件架构的第一性原理。AI大模型的到来，把不确定性往前推了更大的一步。AI时代的新挑战现在谈AI原生架构，需要保持谦逊。 大模型已经来了，AIAgent、工作流编排、Skills仓库、AI网关、模型路由层……各种新概念和新组件在快速涌现。已经有人开始喊"AINative架构"，也有人在聊"AI云原生架构"。 这话在以前是对的，在AI时代也是对的。至于AI原生的定义，等到新一代架构涌现之后自有人来评说。马克·吐温有句话——"历史不会重复，但总是押韵。" 从单体到分布式，从SOA到微服务，从云原生到AI原生，每个历史阶段的问题不同，但架构理念相同：解耦、隔离、容错、拥抱不确定性，权衡、取舍、折中、解决当下的问题。
22210编辑于 2026-05-27 - 来自专栏phodal
流式 BFF：AI 原生架构下的智能体胶水层
流式 BFF（Streaming Backend for Frontend） 是一种适用于 AI 原生架构的胶水层，旨在解决 HTTP API 与智能体协同过程中的数据流处理和接口不一致等问题。 而那篇《语言接口：探索大模型优先架构的新一代 API 设计》中，我们介绍了 自然语言即 DSL、实时文本流 DSL、本地函数动态代理等模式。这些模式为我们开发 AI 原生应用带来了新的思路。 流式 BFF：AI 原生架构下的协同模式 传统的 BFF 模式关注为特定的前端应用定制后端服务，以满足前端的特定需求。 定义流式 BFF 模式：流式 BFF（Streaming Backend for Frontend） 是一种适用于 AI 原生架构的胶水层，旨在解决 HTTP API 与智能体协同过程中的数据流处理和接口不一致等问题 总结 生成式 AI 原生架构要求我们重新审视传统后端模式。流式 BFF 为智能体接口不一致、与传统 API 不同步等问题提供了有效的解决方案。
81910编辑于 2024-11-22 - 来自专栏山河已无恙
云原生架构总览
2006年，AWS推出首批云产品Simple Storage Service (S3)和Elastic Compute Cloud(EC2)，使企业可以利用AWS的基础设施构建自己的应用程序。 2018年3月，Kubernetes 从CNCF毕业，成为 CNCF 第一个毕业项目。 2015年,云原生刚推广时,Matt Stine在《迁移到云原生架构》一书中定义了符合云原生架构的几个特征 符合12因素应用(12 Factors Application) 面向微服务架构(Microservices 微服务独立性和敏捷性更好,架构持续演进更容易,更适合云原生应用 云原生架构模式: Serverless架构 Serverless (无服务器架构) 指的是由开发者实现的服务端逻辑运行在无状态的计算容器中 华为云长期投入云原生技术与产业,是全球云原生领域领导者 华为云基于擎天架构 云原生基础设施:在云原生基础设施方面,华为云基于擎天架构实现了基于应用SLA来灵活调度算力,根据应用IO的不同,动态分配网络带宽
3.4K32编辑于 2023-03-02 - 来自专栏正则
架构之路 （一） —— iOS原生系统架构
接下来这几篇我们就一起看一下关于iOS系统架构以及独立做一个APP的架构设计的相关问题。 iOS系统架构 iOS系统架构如下所示： 具体哪一层包含什么框架如下所示： 下面看一下详细的信息： 1. OpenGL ES框架是OpenGL跨平台2D和3D渲染库的跨平台版本。 QuartzCore.framework：包含Core Animation接口。 看一下下面示意图。 3. 参考文章 1. iOS系统架构和常用框架 2. iOS系统架构 后记 本篇主要讲述了iOS系统的架构，感兴趣的给个赞或者关注，谢谢~~~
1.4K10发布于 2021-09-04 本体模型+AI 大模型驱动的 AI 原生应用技术架构设计
架构定位与核心理念 1.1 系统本质 本架构描述的系统不是一个"加了 AI 功能的传统 CRUD 应用"，而是一套以本体模型为核心驱动力、以 AI 大模型为生成引擎和运行时智能引擎的 AI 原生应用架构 五、SSE 流式输出架构 AI 对话必须支持流式输出，这是 AI 原生应用用户体验的基本要求。 六、技术选型说明 6.1 技术选型汇总 技术域 选型 选型理由 后端框架 Python + Flask 轻量、AI 代码生成兼容性最佳、无魔法约定、易于阅读和修改 数据访问 sqlite3（原生） 不引入 这套架构既适合当前的合同管理场景，也适合作为后续更多业务域扩展的通用 AI 原生应用底座。当一个新的业务域需要接入时，只需提供对应的本体 YAML，整个技术栈可以直接复用。 本文档版本 1.0 | 基于合同管理 AI 原生应用技术架构设计文档 | 2026 年 4 月
69710编辑于 2026-04-13从AI增强到AI原生：我经历了架构设计的范式革命
2025年，不会设计AI原生架构的程序员，就像2015年不懂微服务一样。 最近一个猎头朋友问我："现在招聘架构师，JD里不写懂AI都不好意思发。你们搞技术的，AI到底改变了什么？" 那一刻我意识到：把AI当工具用，和为AI设计架构，是完全不同的两件事。 二、范式转移：从AI增强到AI原生 2024到2025年，业界正在经历一个关键转折点。 典型特征是： 大模型作为外部API调用 架构主体仍是传统的CRUD AI是"锦上添花"的配角 阶段2：AI原生（AI-Native） AI成为系统的核心驱动力。 预测：到2026年，超过80%的企业将采用AI原生架构模式。 三、AI原生架构的5个核心设计原则 1. 延迟不是bug，是架构问题 大模型调用动辄几秒，传统同步架构直接崩溃。
46310编辑于 2026-04-14- 来自专栏后端从入门到精通
云原生架构-架构师之路（十九）
一、云原生架构内涵 云原生架构 基于云原生技术，指将 云应用中的非业务代码部分进行最大化的剥离，让 云设施接管项目中大量非功能特性（如弹性、韧性、安全、可观测性和灰度等）。 云原生包含：业务代码、三方软件 和 处理非功能特性的代码。把这些交给IaaS和PaaS完成。 二、主要架构模式 1、服务化架构模式：典型的 微服务和小服务。 2、服务网格Mesh化架构模式：把 中间件框架（如缓存、异步mq）从业务从分离。 3、Serverless模式：将“部署”这个动作从运维手里拿走。我们不需要关注运行地点，部署地点等。 3、云原生微服务：单体拆分为多个子应用。 微服务约束： 1）微服务 个体约束：功能独立，低耦合，单一职责。 2）微服务与微服务 横向关系：服务与服务之间需要服务注册中心。 3）微服务与数据层 纵向约束： 数据是微服务的资产，只能通过微服务提供的api访问，有隔离原则。 4）微服务分布式约束：故障发现时效性和精确开发维护人员核心述求。
3.7K30编辑于 2023-09-05 - 来自专栏yeedomliu
云原生应用架构实践
推荐序一 云原生与传统云计算最大的区别在于，传统云计算关注的是如何提供性价比最高的计算、存储、网络资源，而云原生关注的是 如何让产品能够支持快速验证业务模式 如何简化复杂的开发流程、提升研发效率 如何保障产品的高可用性让业务无需承受成长之痛 ，保证资源的占用自动缩容，以减轻业务部门的成本支出；对于非核心的业务，启用避开峰值的方式来实现在线或离线业务的计算，尽可能实现云计算最大利用率，也就是常说的用好“云”，发挥云计算的最大价值 1.3 云原生应用架构 可以通过操作系统级的环境变量来注入 后端服务 统一把依赖的后端作为一种服务来对待，例如数据库或者消息代理，作为附加资源，同等地在各种环境中被消耗 构建、发布、运行（Build-Ship-Run） 应用严格区分构建、发布、运行这3个阶段 3个阶段是严格分开的，一个阶段对应做一件事情，每个阶段有很明确的实现功能 进程 进程必须无状态且无共享，即云应用以一个或多个无状态不共享的程序运行。 3个不同层次的特点 高可用设计（Design for Availability），不同区域、机房、机柜、服务器、进程的高可用 可扩展设计（Design for Scale），所有应用设计是无状态的 快速失败设计
1.2K40发布于 2021-11-02 - 来自专栏CNCF
快速了解云原生架构
3）如何决定微服务架构的拆分粒度 微服务架构中的“微”字，并不代表足够小，应该解释为合适。 4）单体架构 VS 微服务架构对比 ? 流行的微服务框架：spring-cloud/dubbo。 2. 随着阿里巴巴的 CaaS 获得市场的青睐，相信将来东亚地区会涌现更多云原生开发人员。 3. 云原生开发人员掌握多种基础架构 云原生开发的灵活性让各个组织更灵活地操作分布式基础架构，并按需合理分配工作资源。 与未参与云原生的开发人员相比，云原生开发人员掌握的计算基础架构确实更多。 随着技术演进和社区发展，越来越多有状态应用和大数据 / AI 应用负载逐渐迁移到 Kubernetes 上。 由于 x86 处理器的性能越来越难以提升，而在 AI 等对算力要求极高的场景，GPU、FPGA、TPU(Tensor Processing Units)等架构处理器的计算效率更具优势。
1.6K20发布于 2021-02-23 - 来自专栏JAVA开发专栏
云原生架构的定义
前言： 从技术的角度，云原生架构是基于云原生技术的一组架构原则和设计模式的集合，旨在将云应用中非业务代码的部分进行最大化的剥离，从而让云设施接管应用中原有的大量非功能特性（如弹性、韧性、安全、可观测性 云原生相比传统架构进了一大步，从业务代码中剥离了大量非功能性特性（不会是所有，比如易用性还不能进行剥离）到lassh和paas中，从而减少了业务代码开发人员的技术关注范围，通过云厂商的专业性提示了应用的非功能性能力 此外具备云原生架构的应用，可以最大化利用云服务和提升软件交付的能力，进一步的加快软件的开发。 1. 代码结构发生巨大大变化：云原生架构最有影响力的就是让开发人员的编程模型发生 巨大的变化。
65230编辑于 2023-08-10 - 来自专栏devops
【架构实战】云原生架构设计原则
ArgoCD、Spinnaker三、云原生设计原则1.微服务化展开代码语言：TXTAI代码解释传统架构：单体应用→微服务架构好处：独立部署、技术多样、快速迭代2.容器化部署展开代码语言：DockerfileAI Dockerfile示例FROMopenjdk:11-jreWORKDIR/appCOPYtarget/*.jarapp.jarEXPOSE8080ENTRYPOINT["java","-jar","app.jar"]3. 应用作为无状态进程运行端口绑定-通过端口绑定导出服务并发-通过进程模型扩展易处理-快速启动和优雅停止开发/生产平等-开发、预发布、生产环境尽量一致日志-把日志当作事件流管理进程-将管理任务当作一次性进程五、云原生架构模式 │DataPlane│←Envoy代理│(Envoy)│└──────────────┘┌──────────────┐│ControlPlane││(Istiod)│└──────────────┘3. 1.零信任架构展开代码语言：TXTAI代码解释传统：边界安全零信任：永不信任，始终验证2.容器安全展开代码语言：YAMLAI代码解释#Pod安全策略示例apiVersion:policy/v1beta1kind
23010编辑于 2026-04-02 本体模型+AI大模型驱动的AI原生应用架构设计和实现构想
大家好，我是人月聊IT，进行继续分享本体模型驱动的AI原生应用架构设计方面的内容。 版本 1.2 | 2026 年 3 月 摘要：本文论证了一种基于本体模型（Ontology Model）驱动的软件系统架构。该架构旨在解决传统开发模式中业务语义与程序逻辑脱节的问题。 本体驱动架构（Ontology-Driven Architecture）提出了一种基于本体+AI大模型驱动的AI原生应用构建解决方案。 （注意这里全新定义包括操作权限+数据权限，新构想应该是在应用实现适合，数据权限问题应该统一放到网关层解决） 3. 业务架构-从需求到交付的价值链 业务架构层定义了系统如何响应外部需求并交付用户价值。 结论：语义一致的应用架构 本体驱动的 AI 原生架构不仅是对开发工具的改进，更是对软件生命周期管理的重新定义。
77510编辑于 2026-04-13基于云原生架构的高校AI教学实验平台建设与优化
一、技术架构设计原则基于行业验证的实践表明，高效科研教学基座需满足以下技术要求： 环境隔离性 • 采用Docker容器封装不同版本的Python包（如TensorFlow 1.x/2.x） 集群与公有云算力动态调配 • 调度算法：采用DRF（Dominant Resource Fairness）算法实现多维度资源调度，任务排队时间减少58% 工具可扩展性 • 通过Helm Chart规范AI 工具部署流程，支持自定义Operator扩展学科专用组件 • 案例验证：某高校利用开源编排工具实现量子计算模拟器的自动化部署，环境准备时间从3小时缩短至8分钟二、核心组件技术实现1. 大模型服务化架构 基于Triton Inference Server的多模型部署方案： graph TD A[客户端请求] --> B{路由网关} B --> C[DeepSeek-7B 关键配置变更 • 数据留存周期：实验数据≥7年，元数据≥10年五、技术演进方向 异构计算支持 • AMD GPU资源池化方案：通过ROCm 5.6实现MIG算力切片 • 量子-经典混合架构
58410编辑于 2025-03-20《PyTorch 携手 Unity：基于云原生架构化解 AI 游戏系统显存危机》
本文所详细记述的，正是在精心构建一个基于云原生架构的 AI 驱动型游戏智能体系统过程中，遭遇的一个极具代表性且充满挑战性的复杂 Bug—间歇性显存耗尽危机。 倘若此时恰逢 AI 模块处于高强度的推理计算阶段，两者叠加起来的显存需求就会瞬间超越硬件设备的承载极限。 首先是 AI 侧的自我革新与优化。我们实施了一系列严谨的措施来强化临时数据的精细化管理。 除了针对各自领域的专项改进外，还必须从整体架构层面进行高瞻远瞩的统筹规划。 它深刻教会我们在追求技术创新的道路上，更要脚踏实地夯实基础建设；在尽情享受云原生技术带来的便捷高效的同时，也要清醒认识到其背后潜藏的挑战与风险。
37000编辑于 2025-09-13- 来自专栏腾讯云TI平台
AI TALK | 云原生时代的微服务架构与关键技术
随着云原生与微服务技术的逐步发展，业界也逐步构建出一整套比较完整的微服务技术体系。 面向云原生时代，微服务架构是从业人员绕不开的一个话题，腾讯云AI&腾讯优图的内容风控安全审核能力也与微服务技术息息相关。 01.什么是云原生 上图是CNCF对云原生的定义，从字面意义上来讲，cloud native就等于cloud+native。简单来说，云原生代表着因云而生。 (3)架构设计的原则(来自架构即未来The Art of Scalability) (4)分布式系统架构演进史 1)第一阶段：web应用时代 2)第二阶段 无线应用开始 3)第三阶段 无线应用高速发展 可添加云AI小助手，加入云AI产品、技术、认证等相关社群 回复【云梯计划】可了解更多TCA腾讯云人工智能从业者认证限时免费相关信息 回复【产品手册】可获得最新腾讯云AI产品及解决方案手册
1.2K00编辑于 2022-02-17 AI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）。 平台支持DICOM标准，通过微服务架构实现模型热更新，肺结节检测准确率达到96%，较传统软件提升20%。 零售领域-动态定价引擎 某电商平台部署强化学习定价系统，每小时处理10TB用户行为数据。 关键技术实现方案 模型即服务架构 # 使用FastAPI构建模型服务 from fastapi import FastAPI import torch from pydantic import BaseModel
35110编辑于 2026-01-20
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