印度领先手机制造商Micromax Informatics已在其新的虚拟化数据中心内部署了创新的博科以太网矩阵技术,以期支持未来几年业务的增长。
据IDC的数据显示,在Micromax等自主开发厂商的推动下,印度智能手机市场在2013年出现了出货量从2012年的1620万台增长到4400万台的激增。 Micromax也已成为印度第二大智能手机制造商,占印度全国16%的市场份额,在东南亚邻国市场也有强劲的表现。 Micromax今年还开展了俄罗斯业务,为进一步进军东欧市场投石问路。
尽管在本国以外鲜为人知,Micromax已经是全球第十大手机制造商了,每月出货超过200万台手机,其中三分之一是智能手机。但目前Micromax国际收入仍然不到其总收入的10%,公司的目标是在五年内让国际收入增至总收入的50%。 建设下一代数据中心是Micromax扩张计划的一个重要组成部分。Micromax数据中心能够支持仓库管理、工厂运营以及一个呼叫中心(过去三年,呼叫中心的席位已从50个增加到200个)。
Micromax Informatics公司首席信息官Atul Nigam表示:“鉴于Micromax大幅增长的步伐,树立能够从容应对新市场挑战的地位,构建一个灵活可扩展的数据中心至关重要。数据中心虚拟化显然是必经之路。因此,我们最迫切的需求就是找到一个能够支持高度运营自动化,同时灵活适应数据中心快速发展的网络基础设施。”
Micromax最终选择低延迟的Brocade VDX 6740 10千兆以太网(GbE)交换机作为其新数据中心的网络基础,这要归功于Brocade VCS Fabric技术易于配置,运营自动化,高成本效益的性能和高可扩展性等强大实力。Brocade ADX应用交付交换机也已在Micromax的新数据中心部署,用以提升应用程序性能,提高应用程序可用性,并改进安全性。
Micromax一开始是从运行在四个刀片服务器机架上的约40个虚拟机(VM)入手的。Micromax预计将在一年内扩展到100台虚拟机和10个服务器机架。Brocade VDX 6740交换机已与24个最初启用的光纤端口一起部署,如果日后需要更多服务器连接,Micromax可以授权额外8个端口,使每个交换机的端口最多达到64个。
这种灵活、高成本效益的“按需付费”许可模式让Micromax能够迅速扩展数据中心网络,应对不断变化的业务需求。也可将更多交换机加入使用4个内置40GbE连接端口的Brocade VCS逻辑机箱。互联交换机不仅能作为一个无缝以太网矩阵来运行,也能作为独立虚拟设备来运行,由于配置和监控显著简化,可降低Micromax的运营成本。
博科印度区域总监Edgar Dia表示:“按需付费的可扩展性、低运营成本以及高级网络虚拟化功能的组合,让Brocade VDX交换机成为云数据中心的卓越选择,其中就包括Micromax开发的数据中心。与传统数据中心交换架构相比,Brocade VCS Fabric技术在处理虚拟机移动性以及服务东/西大量流量方面弹性更大、可扩展性更强,并且效率更高。”
Dias补充道:“Micromax锐意进取的国际扩张计划意味着新数据中心必须根据业务在新市场的发展情况,满足快速增长的需求。部署新的博科数据中心网络基础,问题迎刃而解。一开始,它以非常合理的前期成本来部署小型Brocade VDX交换机,并且能够根据需求轻松向上扩容。”
与其它所有Brocade VDX交换机一样,Brocade VDX 6740交换机支持自动形成、自我修复的以太网矩阵。配置和设备信息将在所有交换机之间共享,允许添加或删除矩阵节点,物理或虚拟服务器将重新安置,无需手动重新配置矩阵。例如,当矩阵中加入或移除一台虚拟机时,可感知博科虚拟机的自动化网络不再需要手动配置端口,从而提高了自动化水平和运营效率。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。