Dell EMC的融合基础设施产品组合正在发生变化。Vblock(采用思科Nexus交换机)将消失,VxBlocks(带有软件定义的网络)将取而代之。
思科交换机出局,VMware交换机取代,思科与戴尔的关系变得愈加脆弱,是这样的吗?
Vblock和VxBlocks都是Dell EMC融合基础设施产品组合中的产品,结合了来自思科、Dell EMC的服务器、存储和网络,融合到一个集成的、作为单一实体采购的系统。
这个系列开始是Vblock(采用思科的服务器和网络,Dell EMC的存储),然后是2015年3月增加了VxBlock产品,采用VMware的软件定义网络产品NSX,或者思科的SDN竞争/对等产品Application Centric Infrastructure (ACI)。
Vscale Architecture规定了融合和超融合平台的组合,以及计算、存储和数据保护扩展,涉及融合的Vblock和VxBlock系统,以及VxRack和VxRail一体机。
EMC全球系统工程总裁Chad Sakac表示,有近90%的Dell EMC客户选择了VxBlock而不是Vblock,并且这样做已经有一段时间了。他们在SDN方面倾向于选择思科Nexus 1000v硬件交换机。SDN并不能部署在Vblock上。他说,客户要么希望立即部署SDN,要么在未来选择部署。
在vSphere中对第三方虚拟交换机的需求也减少了,大部分客户选择VMware的虚拟交换机。
从Vblock切换到VxBlock,这反映了一个事实,那就是客户投了反对票。Sakac在博客上表示:“对他们和我们来说,这是简化了。从7月1日开始,我们将只提供VxBlock系统作为我们的融合系统选项。”
Dell EMC的一项声明称:“在2020年6月3日之前,我们将继续售卖Vblock扩展(例如增加更多盘),并支持融合基础扩展(例如为Vblock系统增加Technology Extension for Isilon),以及一些小的增强项。我们还将继续在2022年6月30日之前继续提供服务和安全补丁。”
Sakac表示,Vblock客户可以继续使用Vblock直到2022年,或者通过一个简单的服务产品切换到VxBlock。
他表示,思科与Dell EMC的关系并没有变得越来越脆弱。软件定义网络正在变得越来越受欢迎,Vblock并不支持SDN,VxBlock却支持。所以Dell EMC和思科只是回应了客户的选择。
这里是来自思科销售业务开发总监Tim Rod的声明:“Vscale客户是部分思科最大的ACI和融合基础设施客户,我们很高兴很把与Dell EMC所取得的成功继续下去。我们的共同客户是这一创新的真正受益者。”
另外,Dell EMC和思科也正在扩展Vscale架构,增加了:
- 单点编排、自动化和安全,针对计算、网络和存储——UCS Director与思科ACI自动化结合,降低风险,缩短搭载服务的时间
- Vscale Border Technology Connect——思科Nexus、ASA和Firepower、ISR以及ASR,确保Vscale资源和外部网络之间的安全、高性能的数据通信
- Vscale Open Technology Connect——思科Nexus和MDS服务,针对第三方设备集成,通过资源共享实现Vscale和非Vscale资产的ROI最大化
- Vscale Fabric Technology Connect for Storage——全闪存的Dell EMC Unity、XtremIO以及VMAX存储,以及Isilon NAS,优化了应用的性能和横向扩展存储的成本
- Cisco Advanced Services for UCS Director and ACI部署以及Dell EMC Vscale Services加速了数据中心现代化,以及达成业务结果的时间。
所有这些的结果,就是思科交换机支撑的Vblock即将消失,被VMware虚拟交换机网络连接或者ACI网络连接的VxBlock所取代。思科和EMC正在扩展Vscale架构,Dell EMC和思科关于Vblock所说的没什么大不了,客户受益,大家就都赢了。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。