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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。