软件定义数据中心、软件定义存储、软件定义网络,软件定义的IT时代已然来临,这不像是最初大数据那样,玩概念的居多。软件定义也并不单单提高软件的地位,而舍弃基础架构等等硬件发展的重要。它的出现,体现的更多体现的是应用为先,希望用户能够更加高效、自动化的去控制和使用各种IT资源。
假若有一天企业级应用也像消费级那样易用易得,何乐而不为呢?不是希冀,这只是未来发展的市场导向,但足以引领各大厂商的产品研发方向,一直深耕数据备份服务的赛门铁克也没有放松警惕。
备份一体机 软硬兼施保护数据
随着数据的海量增长,备份更成为关注的话题引起市场侧目。就如二季度全球专用备份装置(Purpose-Built Backup Appliance,PBBA)季度追踪报告显示,2013年第二季度专用备份装置的工厂收入同比增长7.3%,总收入达到7.202亿美元。而占据该市场的前二名就有赛门铁克(12.4%),该季度赛门铁克的同比增幅最高。
Symantec NetBackup 5230产品图
在这其中最大的功臣估计要数其备份一体机产品线。作为“备份更加完善,满足一切需求”计划的一部分,赛门铁克2011年发布了全新的备份一体机,2013年又在其基础上更新了NetBackup 7.5以及Backup Exec 2012软件版本,还有2014年刚刚推出的NetBackup 7.6。
相较于传统的备份系统存在部署和维护上的复杂性,一体机的方式,将备份服务器和备份硬盘设备集成,并针对软件调优和与配置,大大缩减了备份系统部署周期和运维复杂性。尤其是赛门铁克的备份一体机产品,不仅是备份软件和硬件的简单叠加,而是软件的硬件化,已经做好了备份系统各个部件之间的优化和调整,创建一个以一体机为核心的备份系统。
另外,备份一体机部署简单,因为所有的软件、服务机、存储都是一体的,对于客户来讲部署就简单了,不像以前软件、服务器和存储三个集成了,对各种类型的数据中心保护实现了更全面的保证。
软件定义浪潮来袭
备份一体机的理念,看似将软件和硬件之间的距离拉近了,但这还是远远不够,随着IT逐渐步入大数据的时代,对于存储的需求不断增长,而IT成本却不见明显提高,突破点是否就是软件定义时代的到来呢?
对于企业而言,用户数据中心环境内部应用环境也日趋复杂化,用户希望能够在备份和数据保护领域也能够更加自动化,比如跨站点和云服务的集中信息管理、整个数据中心的移植和保护等等已经成为重要挑战。
赛门铁克中国区存储首席技术顾问陈震宇表示:“当数据中心按照vCloud模式创建出现损坏时,赛门铁克保护的元数据都存在,可以帮助用户进行快速还原。像现在很多用户都是进行机房租赁,可能随时会产生变动,如果用户需要数据中心迁移,通过赛门铁克的备份软件实现快速迁移,对于那些软件定义的数据中心而言,就不仅仅做到保护底层的虚拟数据,更多的是把‘定义’也保存下来,从而做到双保险。”
转型为王 NBU 7.6让备份更“贴心”
今年2月份推出的NetBackup 7.6,也是在这种理念的背景下诞生的。它是业界唯一专为企业级规模而设计的备份产品,可容纳成百上千台虚拟机和PB字节,同时为用户提供比标准恢复速度快400倍的虚拟机恢复。当今,海量且复杂的物理、虚拟环境和云环境构成了现代化的数据中心,而利用NBU7.6,IT组织现在可以用更简捷,且自动化的方式保护复杂的现代化数据中心。
在针对软件定义的数据中心中应用NBU7.6,应该是最能灵活为企业备份服务的。不过深挖其产品,更能看出赛门铁克在NBU 7.6身上给予了更多承担BaaS(备份即服务)的厚望。
近年来,在备份领域兴起的备份即服务(Backup as a Service)被认为将逐渐改变企业数据保护方式,并成为未来的重要趋势。以梭子鱼为代表的新兴厂商推出的备份即服务以较低的成本吸引了较多用户。赛门铁克当然也没有脱离在这种浪潮之外,通过NetBackup 7.6版本开始逐渐向云的方式转变。
可以预见的是,NetBackup 7.6的推出无疑会推动“备份即服务”的发展。就像赛门铁克中国区存储首席技术顾问陈震宇所说的那样,未来备份会更加具有针对性,会对备份的内容、对象进行细分。未来的备份将不是简单的去做各种接口,而是需要更多分析数据、按照数据的特点来进行数据备份与还原。
更多 赛门铁克详情
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。