从物理机到虚拟机,从私有云到混合云,企业对于数据保护的方式一直在进化,但是追求业务连续性这个核心竞争力的目标却没有变。而因为停机和数据丢失导致的业务中断带来的损失也越来越大。Veeam近日发布2017年《Veeam可用性报告》,其调查了来自24个国家的1,000多名IT高层领导。其中,受访公司平均拥有7,500名员工的企业,每年因为业务中断而受影响的业务经济价值高达2,180万美元。
同时《Veeam可用性报告》显示,用户期望与IT交付能力之间依然存在着巨大差距, 82%的企业承认受到了“可用性差距”(用户不间断访问服务的要求与业务和IT实际交付能力之间的差距)的影响。
同时调查中的77%的企业都遭遇了 “保护差距”(企业对IT无法经常性地保护数据而造成数据丢失的容忍程度),由于保护机制和政策不完善,满足不了他们对连续运行的期望要求。尽管公司表示,他们的“高优先级”应用程序只能容忍每年72分钟的数据丢失,但Veeam的调查结果显示,受访企业实际的数据丢失时间是127分钟,差距近一个小时。这对于所有公司而言都是重大的风险,并在很多方面会影响业务的成功。
在中国市场,随着企业基于混合云的IT建设,该报告中列出中国企业的调查数据,在对于虚拟机的可用性解决方案调查中,调查者中86%的组织对备份的可靠性或恢复虚拟机的能力没有信心。96%的受访者认识到他们的数据保护解决方案与其虚拟化策略的成功之间存在依赖关系。
所有中国企业认为停机时间不可避免, 平均服务器故障停机时间为45分钟,24%的服务器每年至少有一次故障。所以的企业也都认识到目前的IT恢复功能无法满足业务部门预期的正常运行时间。也认识到目前的IT保护流程不能频繁或可靠地保护数据。
Veeam Software总裁兼首席运营官Peter McKay认为“消费者对停机零容忍—无论是商业应用还是个人生活。不能全天候访问数据和应用是不可接受的。然而,我们的报告发现,对于很多企业而言。企业正面临来自竞争对手的重大挑战,因为他们能够不间断运行业务并将其融入到用户体验中。”
从调查中可以看到,停机和数据丢失的问题严重影响着企业的业务连续性。而更多的企业认识到,数据保护不仅仅是备份这么简单,而且更是需要数据的快速恢复。特别是今天更加复杂的混合云环境。而要缩小用户不间断访问服务的要求与业务和IT实际交付能力之间的差距,数据的快速备份与快速恢复成为重要选择。
针对这些问题至顶网记者咨询了Veeam亚洲和日本区系统工程负责人Raymond Goh,他认为今天的数据保护环境面临着数据量增加,数据备份由物理机转向虚拟机备份以及虚拟机下数据快速恢复的问题。
第一,今天企业在做数据备份的时候,数据量越来越大,数据整体上虚拟环境越来越多,企业需要选择快速备份的解决方案,快速备份之后,最重的是恢复,做备份主要的就是要恢复。而且是快速的恢复,Veeam能提供这样的解决方案。直接从备份库启动虚拟机,帮助用户实现快速的恢复。
第二,传统式物理机备份相对于今天混合云架构下的虚拟化环境进行数据备份恢复有很大的差异,传统的备份软件针对物理环境研发功能的解决方案。Raymond Goh认为veeam的优势是从公司成立之初就专注于为虚拟化环境提供一个可持续的数据保护。对虚拟环境veeam非常了解。而且更重要的优势,Veeam的备份软件可用性配套其实是虚拟化环境为研发的解决方案。同时针对虚拟化环境升级的其产品迭代非常迅速。能迅速支持最新的VMware、微软Hyper-V的版本。Veeam一般在三个月的会推出新的备份软件来支持这些版本。
ESG 的调查研究也显示,可恢复性是亚太地区受访者提及最多的虚拟化 IT 环境保护挑战。 并给出选择数据备份解决方案时,亚太企业应考虑其是否具备三大特性:可靠的保护和恢复能力,包括应用程序一致性、循环式保护流程和即时恢复操作。简单的可管理性,包括自动保护、集成等。高效的云连接性和云使用。
第三、目前由Veeam软件负责保护的虚拟机总量已经达到约1390万套,同时在目前总体服务的客户数量达到24万2000家。对于虚拟机的数据备份恢复具有完备的解决方案。
而Veeam还有一个优势就是专注于恢复的能力,Veeam还有一些比较独特的恢复方面的专利功能。能够实现不到 15 分钟恢复所有应用程序和数据的恢复点和恢复时间目标(RTPO)。2017年,Veeam Availability Suite 提供了一种完全不同的解决方案,可帮助企业充分利用在服务器虚拟化、现代存储和混合云环境。为企业提供可靠的保护和恢复能力、简单的可管理性以及云连接。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。