下一代数据中心基础架构解决方案提供商Nutanix公司日前宣布推出一个全面计划,为虚拟桌面基础设施(VDI)管理交付简捷性和可预测性。该解决方案是业界首创也是唯一一款VDI高性价比解决方案,Nutanix客户可藉此为每个桌面购买先进的网络规模基础设施,并降低其VDI投资风险。
购买用于VDI的传统服务器和存储设施非常复杂,而且如果大小或设计不合理,还会对用户体验造成伤害。因此,业界已经开始试验DaaS(桌面即服务)方案,旨在实现更强的可预测性,同时关注实际的终端用户桌面体验。很遗憾,这些基于云的方案难以满足本地部署方案的安全性和长期总拥有成本(TCO)需求。Nutanix Per Desktop Program助力企业以可预测的公共云服务方式购买并部署桌面基础设施。这种方式实现了最低的长期成本,并且保留了本地部署的控制与管理优势。
作为此次全新方案的一部分,Nutanix提供VDI Assurance以确保每个虚拟桌面都能接收足够的服务器和存储资源,从而交付始终如一的高品质体验。VDI管理人员无需费力估算CPU、内存和存储资源,这些数据往往在整个项目过程中会随不同用户配置文件而发生明显波动和意外变化。IT管理人员现可轻松确定其环境中VDI用户的类型和数量,并将评估基础设施需求的风险交给Nutanix。Nutanix推出该方案实行了基于每个桌面的VDI采购形式,从而简化了虚拟桌面项目,为IT管理人员带来100%的性能和成本上的可预测性。
该方案可最大限度地支持广泛的VDI用户配置,例如设备, 任务, 知识和超级用户,以确保企业精确支付其用户所需的资源。该方案可用于基于VMware Horizon或 Citrix XenDesktop的VDI项目,最少150个桌面,可无缝扩展到10,000或更多桌面。Nutanix此款方案可明确支持真实的VDI图像并可确保基础设施资源,因而赋予IT团队长期保持虚拟桌面最低成本的能力。
对于预算宽裕且部署灵活的企业,Nutanix制定基于时间的Per Desktop购买方案。因此,企业可轻松获得所需的基础设施,但是只需支付与所用时间相对应的费用。之前只有公共云方案可用的长期或定时消耗模式,现在企业也可用以支持任何VDI项目。
美国加州圣马特奥市首席信息官(CIO)Jon Walton谈到:“Nutanix推出的此款全新保障计划,可满足巨大的市场需求。IT团队一般都了解购买和支持传统PC的成本,本解决方案可轻松预测VDI项目。Nutanix在交付的技术和商业模式上持续创新,成为虚拟计算平台VDI的理想选择。”
借助荣获大奖的Nutanix Prism架构,Nutanix交付一系列强大的VDI优化,包括MapReduce除重, VMCaliber快照与压缩, 影子克隆以及简捷的一键式管理性。通过集成易管理性,丰富的技术功能和VDI Per Desktop Program,Nutanix已再次印证了它是任意规模VDI部署的最佳选择。
Nutanix全球销售与业务部门高级副总裁Sudheesh Nair说到:“不准确的测算、不充分的资源以及较高的TCO持续为运行在传统数据中心基础设施上的VDI项目带来挑战。我们深思熟虑,仔细分析问题,从而提出了一个全新的采购模式,这将颠覆VDI市场,为客户降低风险。借助VDI Per Desktop Program,我们的客户可以像他们购买微软、思科和VMware等企业的软件一样,购买桌面基础设施。”
Nutanix正在Citrix Synergy 2014大会上展示其解决方案
Nutanix现正于5月6日至8日期间在美国安那罕会展中心举行的Citrix Synergy 2014大会300号展位上展示其VDI解决方案。届时,Nutanix技术专家将亲临现场讲述面向XenDesktop和XenApp的VDI Assurance Program 和 Citrix Validated Solution。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。