日前,Splunk Inc.宣布其屡获殊荣的机器数据平台的最新版本Splunk Enterprise 6.1全面上市。Splunk Enterprise 6.1可提供增强型交互式分析、任务关键型机器数据的持续可用性以及将运维智能扩展至组织内的每一位用户。观看Splunk Enterprise视频了解更多新功能,立即下载Splunk Enterprise 6.1。
Splunk产品高级副总裁Guido Schroeder表示:“Splunk Enterprise 6.1 增加了重要的新功能以支持任务关键型机器数据分析的高度可用性、将运维洞察嵌入到其他商业应用程序中以及增强交互式数据可视化与探索。Splunk的集群支持部署可跨多个网站,这是全球化企业的一个重要需求,我们已经进一步扩大我们的交互可视化与信息交付功能,从而为更广泛的用户提供机器数据洞察。”
451 Research基础设施软件研究总监Michael Coté表示:“为商业需求提供世界一流的IT服务与响应必须能够在正确的时间以正确的方式处理正确的数据。无论Splunk Enterprise 6.1是作为IT的首要应答器还是CIO,它看似都能凭借各种各样的新功能完成使命。通过可支持多站点集群的新版本,Splunk旨在实现高交付弹性、访问大型机数据、提供更多的上下文预警机制以及将报告嵌入Salesforce与Microsoft SharePoint等商业应用程序中。”
Splunk Enterprise 6.1的主要特性与更新包括:
使任务关键型企业能够
嵌入运维智能
提供增强的交互式分析
客户盛赞Splunk Enterprise
Splunk客户盛赞Splunk Enterprise 6.1重点研发的多站点集群、定制告警以及增强型分析功能:
面向全球企业与服务提供商的通讯获取、存储与分析解决方案提供商Cognia技术副总裁Nick Hills表示:“Splunk再次为我们赖以进行数据分析与获取商业运维智能的平台提供了重要更新。我们产生大量预警,并通常将它们直接发送给移动运营商等我们环境之外的合作伙伴。能够添加更佳解释与更详细信息的功能为我们的业务与客户均带来了巨大的优势。多站点集群对我们而言同样是变革性的功能。我们不仅通过复制的数据副本获得了更加强大的合规性形势,而且还能借助二级网站在任何地点展开分析。”
美国百强医院之一Middlesex Hospital高级系统工程师Ant Lefebvre表示:“凭借多站点集群功能,Splunk Enterprise 6.1为我们提供了一种去实现Middlesex Hospital最重要目标之一的方式。通过保持医院的关键系统在单个站点出现故障的情况下继续运行,Splunk Enterprise 6.1能够帮助我们保护并满足患者的需求。此外,增强效率的新产品特性可以让更多的医院用户进行访问,受益于从机器数据中发现的关键洞察。例如,通过新的目标电子邮件预警功能,我们能够过滤掉由系统生成的不必要或地址错误的电子邮件。这可以过滤‘电子邮件噪音’,仅生成需要采取行动的预警。”
立即下载Splunk Enterprise 6.1,访问Splunk 网站了解Splunk Enterprise 6.1的更多新功能。
立即报名参加第5届Splunk全球用户年度大会.conf2014。此次大会将共举办130多场会议,预计将吸引4,000多名Splunk客户、合作伙伴、专家与员工参会。.conf2014 将于10月6日-9日在拉斯维加斯米高梅大酒店(MGM Grand)举行。
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。