在HCC2015华为云计算大会上,华为更新了面向数据中心网络市场的SDN业务战略,面向扩展性要求高的云架构的数据中心市场发布Open Cloud Fabric(开放云网络)架构,并同时更新发布华为SDN控制器AC2.0以及虚拟交换机CE1800V。华为交换机与企业通信产品线副总裁兼CTO周芜先生、数据中心网络领域总经理余立先生、OSS领域总经理程长青先生出席就此次战略发布会。
华为发布“开放云网络”(Open Cloud Fabric)数据中心网络架构,为有云网络诉求的客户提供开放的、灵活的SDN网络能力和方案。
华为开放云网络架构(Open Cloud Fabric)是面向各类有不同诉求的客户群的开放性架构,包括功能更丰富、更开放的Agile Controller 2.0,通过Openflow认证的CloudEngine系列硬件交换机以及CloudEngine 1800V虚拟交换机,构成完善的“物理网络+虚拟网络+控制器”SDN方案。
周芜先生谈到华为在SDN领域做了大量的努力,从Cloud Fabric到今天发布的OCF。OCF是让网络进一步开放,从上到下用应用驱动网络,这是网络迈出的一大步。传统网络是封闭的,没办法根据用户的需求动态调整,今天OCF通过开放的协议,把网络的控制和资源的调整开放给用户,动态调整控制网络来达到最佳服务。
华为的OCF架构,也将与产业链上下游合作伙伴共同打造一个开放的生态系统,并已将合作伙伴的产品&方案纳入华为的敏捷数据中心OpenLab开放实验室中。
云操作系统层面,华为已经与FusionSphere、VMware、OpenStack,Microsoft等主流云平台实现互操作;
网络应用层面,华为已经与Puppet Labs,F5,Citrix等网络应用厂家进行合作;
网络安全层面,华为已经与Checkpoint推出联合方案。
CloudEngine交换机,在全世界大规模使用。随着客户在增加,交换机的功能也在增加,今年华为成为业界首批获得OpenFlow 1.3认证证书的企业。华为CloudEngine系列交换机通过开放接口,标准协议,可以以被第三方的控制器使用OpenFlow来控制。测试认证表明,华为CloudEngine系列交换机符合Openflow标准,可实现控制与转发的解耦,并成功对接第三方ODL、RYU、ONOS控制器。CloudEngine 系列交换机支持Hybrid模型,不仅可满足传统网络建设需求,还具备向Openflow模型网络演进的能力,可帮助客户实现传统网络向SDN网络的平滑升级,降低网改风险,保护投资。
第二个核心是华为的虚拟交换机CE1800V,CE1800V跟华为的控制器Agile Controller 2.0共同构建虚拟化方案,让用户可以控制虚拟网络。CE1800V支持开放的API,也可以与第三方的控制器对接,实现了物理和虚拟层的全开放。同时CE1800V是基于OpenFlow标准的,支持控制转发和分离的优化的网络模式。另外,在构建方案的时候华为是非常关注如何保护客户的投资,让网络的演进能够满足客户的需求,同时减少客户的投资。CE1800V支持网络的平滑演进,从传统的CE交换机演进到支持OpenFlow的交换机可以通过版本更新即可。
华为OCF开放架构能够对外提供系统级的网络开放能力,也就是将网络作为一个整体对外开放,我们通过“控制器+物理+虚拟”全方位开放的SDN方案使得客户可以按需构建面向自己业务的网络,实现业务的敏捷部署、更加精细化的运维管理以及更加高效的资源利用,节约TCO的同时提升维护效率。
基于业界最佳开放架构的Agile Controller提供应用到物理网络的自动映射、物理&虚拟网络统一部署和可视化运维,协助客户构建以业务为中心的网络自动化;支持无缝对接业界主流云平台,并通过标准化的API使得客户可以自定义满足自身业务需求的网络,给用户更加自主的选择;
华为CloudEngine系列交换机通过开放的VRP8网络OS为用户提供强大的可编程能力,同时联合一系列合作伙伴,例如:F5, Puppet Labs等构建多层次的云生态系统,给用户一个可自定义的基础硬件网络平台;
华为CloudEngine1800V虚拟化交换平台支持VMware、Microsoft、KVM等多种主流虚拟化平台,屏蔽底层虚拟化平台差异,实现业务统一承载。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。