Nutanix提出了One Click、One OS、Any Cloud的理念,推出了一系列新服务来跨多种云,私有的和公有的、虚拟化计算和对象存储。
当然,这是假设本地部署的IT是以公有云的方式运行。Nutanix的观点是,几乎一切都是数字化的,当然也包含公有云。换句话说,软件抽象层会虚拟化并提供对底层物理资源与虚拟资源的访问,以及两种资源之间的移动性。将会有一个集中控制平面来运行这个分散的系统,这Nutanix。
Nutanix推出了三款针对Acropolis Hypervisor(AHV)的、面向开发者的服务:Acropolis Object Storage Service、Acropolis Compute Cloud (AC2)和Nutanix App Marketplace。
Acropolis Object Storage Service
该服务兼容S3 API接口,将嵌入到Nutanix的Enterprise Cloud OS中。换句话说,Nutanix正在向AHV中添加对象存储。
这么做旨在提供一个按需对象存储工具,用于收集、保存和管理单一命名空间内的数十亿个对象,针对像归档这样的应用,将采用公有云的消费模式。
Nutanix表示,这将为多云存储设施提供基础,带有对数据对象的生命周期管理和跨云分层功能。
Acropolis Compute Cloud
AC2将成为Enterprise Cloud OS的一部分,支持Nutanix部署中的纯计算节点,用于CPU密集型应用,例如分布式分析工作负载、前端Web服务、Citrix XenApp部署和内存分析。
Nutanix表示,IT经理将能够以一种可消费的、纵向扩展的、向下扩展的资源形式把计算交付给应用开发团队。
Nutanix App Marketplace
App Marketplace服务添加到Nutanix多云应用、自动化和编排工具Calm中。可通过基于标准的蓝图进行定义,然后发布到Marketplace中。然后应用团队可以在他们的开发中使用这些服务。
此外还将推出针对基础设施和开发者工具——例如Kubernetes、Hadoop、MySQL、Jenkins和Puppet。
评论
未来我们将看到,在运行时,开发代码会使用(S3访问的)对象存储服务和可用的计算服务,这都是AHV自带的,或者VMware、Amazon、Azure、Google计算、Cloudian、Amazon S3或者其他S3访问的对象存储。
在尼斯举行的Nutanix .NEXT大会上,Nutanix公司首席执行官Dheeraj Pandey表示:“云不是一个物理的目的地,它也可以数字化。云是一个高度数字化的数据中心。”他喜欢隐形的数据中心和消费级简化性等这些理念。
通过使用你可以提供访问的软件抽象层,以及这之间的移动性,很多你已经抽象的实例,不管是物理服务器、物理存储还是公有云服务。这避免了锁定问题,提供了服务消费模式的灵活性。
AHV v5.5
即将发布的AHV v5.5将包含Citrix Provisioning Service (PVS),这是一项针对VDI部署的技术,支持虚拟GPU。
这将帮助Nutanix AHV客户加速在高分辨率医学成像、3D地理空间应用等领域的图形渲染。
Nutanix的Enterprise Cloud OS软件将支持现在已经在Nutanix一体机中的Skylake CPU,来自Dell EMC和联想等OEM合作伙伴的服务器平台,以及来自HPE和思科的认证服务器。
这些功能正在开发中,对HPE和思科售卖的至强Skylake服务器的认证正在进行中,定价细节将随后公布。
好文章,需要你的鼓励
施耐德电气以“新质服务+产业向‘新’行”为主题,第六次参会,展示全新升级的“新质服务体系”,围绕创新驱动、生态协同和行业赋能三大核心领域,以全新升级的“新质服务体系”,助力中国产业向高端化、智能化、绿色化迈进。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
甲骨文正在成为大规模基础设施供应商的可靠选择。该公司通过AI技术推动应用开发,构建GenAI模型并将智能代理集成到应用套件中。CEO萨弗拉·卡茨透露,公司剩余履约义务达4553亿美元,同比增长4.6倍,并预测OCI收入将从2026财年的180亿美元增长至2030财年的1440亿美元。甲骨文正积极布局AI推理市场,凭借其作为全球最大企业私有数据托管方的优势地位,有望在云计算领域实现重大突破。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。