Emulex公司日前宣布了新一款连接器Emulex OpenGrid,将与新型Emulex OneConnect OCec14000系列云适配器配搭使用。Emulex OpenGrid连接器提供高度可扩展的基础架构,可实现裸机适配器配置管理,并可为基于云的基础架构等横向扩展环境提供快速配置/部署功能。Emulex OpenGrid连接器包含采用RESTful API的Emulex OpenGrid连接器启动管理器,允许第三方配置工具利用OpenGrid连接器启动管理器来管理Emulex OneConnect OCec14000云适配器。云和数据中心基础架构管理软件提供商Egenera是第一个利用此API的合作伙伴,如果与Egenera的PAN Manager 8.0结合使用,客户将可以快速将机器映像配置分配到物理和虚拟环境中的裸机机架服务器。
正在构建基于云计算的基础架构的云服务提供商(CSP)和电信服务提供商需要快速而高效地部署大量机架服务器。由于缺乏单一工具来配置和管理异构服务器环境,这迫使云提供商对单一服务器供应商的产品进行标准化,或者投入更多成本使用多种工具进行管理和配置。使用这个新型解决方案,云提供商可以轻松配置、管理和部署其异构服务器环境中的云基础架构,加快应用部署并扩展IT资源,进而显著降低运营开支。使用即将推出的Emulex OpenGrid连接器启动管理器,在为新部署配置裸机机架服务器时,配置工具(如Egenera提供的那些工具)可对I/O适配器层次及以上层次实施完全控制。
Emulex市场营销高级副总裁Shaun Walsh 表示:“随着我们步入Web规模计算时代,管理物理和虚拟资源的协同系统对于我们兑现服务水平承诺以及实现预期ROI至关重要。我们的OpenScale框架与Egenera PAN Manager相结合,可为管理员提供单一控制面板管理功能,便于他们部署新的工作负载、管理资源池、高效分配/改造物理和虚拟基础架构,以及加快应用部署速度。”
Emulex OpenGrid连接器启动管理器可使用它自己的启动配置文件为基于Emulex的云适配器配置每台服务器,是裸机服务应用以及为全天候运营或裸机工作负载迁移动态部署服务器的理想选择。如果将该集成式解决方案与Egenera PAN Manager结合,云服务提供商可以使用完整的机器映像快速部署新的机架服务器。
Egenera市场营销副总裁John Humphreys指出:“将Egenera PAN Manager 8.0与OpenGrid连接器启动管理器搭配使用,我们不但可以选择致力于维护服务水平的云服务提供商,而且可以降低运营和资本支出。最终,我们得到了第一个生产环境云自动化和管理套件,能够以真正低成本高效率的方式配置和管理异构机架服务器环境。”
即将推出的Emulex OpenGrid连接器启动管理器为数据中心服务器提供新的“over-the-wire”功能,包括:
Fujitsu服务器产品管理总监 Uwe Romppel表示:“使用Emulex OpenGrid连接器架构,我们可以将自动部署和管理功能从PRIMERGY刀片系统扩展到PRIMERGY机架和横向扩展服务器。利用Egenera PAN Manager和Emulex提供的解决方案,我们可以在整个基础架构之间实现无缝管理,这提供了更优秀的投资回报率,从而加快实现价值的速度。”
Egenera将于2014年10月开始发售第一批预配置集成式云基础架构解决方案。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。