Emulex公司和Dynatrace公司今日宣布共同推出全面集成解决方案NetPod。NetPod将Dynatrace的数据中心分析(DC RUM)和Emulex的EndaceProbe智能网络记录仪(Intelligent Network Recorders,INR)完美地结合在一起。NetPod可为网络团队提供高保真网络和应用交易级可视性及长期数据包存储功能。NetPod基于硬件的EndaceProbe INR可提供100%的数据包捕获、纳秒级时间标记和“回退(back-in-time)”播放功能,以及一个可监控用户体验的平台。NetPod可帮助优化数据中心内所有应用的性能、可扩展性和可预测性,包括Citrix、SAP、Oracle、Siebel、Microsoft Exchange等。
Emulex公司高级副总裁兼网络可视性产品总经理Ali Hedayati表示:“今天的IT团队需要不光可以帮助监控和发现性能问题的端到端工具。不管问题被隔离到客户端、网络、服务器还是数据库中,NetPod提供的基础数据包数据都可用于确保技术团队可获得显示问题根源所在的确凿证据。NetPod提供的应用上下文数据还可帮助在适当的时间快速提取正确的数据包,即使感兴趣的交易发生在过去也不例外。所有这一切可以简化以网络为中心的关键任务应用的交付,通过确保这些应用对最终用户的可用性来提高它们的业务价值。”
NetPod是一种设计用于高速10/40/100Gb以太网的解决方案,可提供对多个网络层、基础架构组件、Web及非Web应用的全面可视性。它可以智能地监控并记录包含主要负载均衡装置、防火墙、WAN加速装置及中间件的最复杂应用交付基础架构中的实时应用交易。
Dynatrace公司总经理John Van Siclen表示:“NetPod是Emulex和Dynatrace为满足双方企业和服务提供商客户的需求,倾力合作的成果。NetPod能以独特的方式了解主要应用、数据库和中间件的应用逻辑和用户行为。这套集成解决方案可填补网络和应用团队间的空白,为他们提供统一的信息来有效管理数字通道和基础架构。”
NetPod将从2015年第1季度开始通过部分具有必要AA-NPM和APM专业技术的Emulex及Dynatrace合作伙伴提供。凭借全面的AA-NPM和APM专业技术及NetPod客户支持能力,Forsythe和WWT将作为北美地区的第一批产品发布合作伙伴。
Forsythe公司系统解决方案副总裁Kevin Keuning表示:“NetPod提供了一种先进的解决方案。可解决我们客户面临的最复杂的网络和应用性能问题。部署复杂多层应用的网络团队需要能够高效地排除网络性能问题根源的人员和工具,而这又需要适当的信息和流程,帮助确保顺畅的通信并协作开发有效的解决方案。”
正如Emulex最近对网络和安全运行专业人员进行的调查所显示,IT团队费尽心机地查找问题根源。而这一过程中的主要困难在于缺乏帮助发现和解决问题所需的准确、及时的数据。
WWT公司总监兼数据中心业务主管Scott Miller指出:“开发有效的解决方案来帮助客户节约时间和成本,提供确定故障潜在根源所需的确凿证据,通过有意义而且有帮助的操作来排除故障或将故障根源隔离到具体组件上,这一点非常重要。NetPod可提供对多个数据中心层、基础架构组件、Web和非Web应用的全面可视性,帮助实现故障隔离。”
NetPod结合了多种关键技术来简化并自动完成应用交易分析:
• 对用户体验及性能和可用性问题的业务影响的持续评估;
• 实时数据包捕获(无丢包)和纳秒级时间标记确保可获得分析所需的所有必要数据;
• 所捕获数据包的深度存储(Deep storage),可在出现间歇性问题时实现“回退(back-in-time)”播放分析;
• 一整套应用协议解码,还有应用逻辑和用户环境信息;
• 与Dynatrace APM技术及需要接入数据包以确保安全性的第三方产品的无缝兼容性,实现全面的代码级交易跟踪、综合监控或移动设备监控。
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。