华为HUAWEI CONNECT 2016 全联接大会已经落幕,但是其传达的信息值得分享。其中华为SDN创新实践分享会和面向云业务的Cloud Fabric 5.0解决方案的发布值得分享大家。我们知道互联网是整个产业的先驱,在业界前列在云技术、SDN创新技术优先在互联网发生。包括大家熟悉腾讯、百度、京东等等。这些公司在运营自营业务同时获得了很强大技术能力,储备了强大的技术能力,于是各自推出基于公有云的服务。
但是当这些企业提供公有云的时候,带来的挑战是完全不同,当全球最大的一个电子商务网站,它的云业务满足全球的购物,它需求超大规模服务器集群,对时延可靠性要求非常高。但是公有云时候不同了,比如支持140万租户,比如租户有做金融和做网络游戏,他对业务开通速度要求非常高,包括每个用户要求可度量网络质量。公有云使得互联网公司发生了颠覆性的变化。如何解决公有云带来的业务需求呢?
华为企业网络产品线数据中心网络领域总经理余立和华为企业业务BG企业网络领域营销总监程剑与媒体代表做了交流。阐述了华为Cloud Fabric 5.0解决方案助力SDN创新实践。
余立在采访中说到,华为开放SDN解决方案,能够助力互联网云业务的高效运营,SDN解决方案能够实现开放控制器+开放的fabric,为互联网云业务实现快速上线、租户的精细运维、网络稳定可靠以及网络的弹性扩展。
Cloud Fabric 5.0的核心是华为Fabric Insight精细运维解决方案,该方案通过网络状态可视化度量管理和基于大数据的智能分析实现分钟级故障定位,帮助客户提升运维效率、降低运维成本。 华为数据中心网络领域总经理余立表示:“华为Fabric Insight精细运维解决方案,以面向业务的运维管理,帮助客户开启网络智能运维模式,减少业务云迁移中的阻碍,加速云转型升级。”
具体来讲华为Fabric Insight 精细运维解决方案,通过以下运维应用,帮助云数据中心有效提升运维效率。
全网可视化通过将“业务、逻辑、物理”三层网络对应的应用质量、逻辑和物理网元、功能特性使用情况等网络状态信息全面统计,对应用及网络的健康度进行全面度量和分析,使得大规模网络运维管理变得简单;
全网路径质量扫描,通过周期性自动获取网络路径质量状态,并跟随网络动态调整而变化,业务层故障时可自动关联物理设备。采用创新的大数据分析算法,100%网络路径探测同时加速探测效率,实现分钟级故障定位。
比如一些互联网企业中,瞬时搜索或者在线购物发生毫秒级别的丢包,当你在以秒级的精度检测发现流量没有丢包,对业务造成的影响无法快速定位华为Fabric Insight精细化运维能提供一个丢包的可视能力以及智能分析,通过全网数据统一分析处理,如果我们租户或者业务发生故障,我们能及时的定位到底那个物理网络的节点,甚至哪个端口,运维模式从被动运维走向主动调优。
同时华为发布一个100G弹性互联的解决方案。可以提供高于业界80倍的缓存能力,丰富了端到端大缓存高速互联解决方案的内涵,进一步提升业界领先的弹性组网能力,华为还发布了云数据中心SDN安全解决方案,将传统安全硬件转换为虚拟化安全服务,通过安全服务自动化开通与统一调度帮助数据中心租户提升云业务安全防护效率。尤其适合互联网视频搜索等大数据一些相关业务。
对于Cloud Fabric 5.0的未来发展,程剑认为华为就精细化运维方案而言,目前来在运维这块跟容器结合还在进一步的研发中,未来会推出与容器融合的软件解决方案。
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。