北京2018年7月 13日- 提供Hyper-Available Enterprise™ (超可用企业)解决方案 的智能数据管理 (Intelligent Data Management)领导者Veeam Software(卫盟软件)推出Veeam Availability for Nutanix AHV TM ,为 在Nutanix AHV Hypervisor上运行的应用及数据提供数据可用性解决方案。整合的Nutanix 企业云操作系统软件和Veeam Hyper-Availability Platform将带来超可用的企业云,可提供企业级可用性及扩展功能,让客户更专注于业务转型。
Nutanix 软件及 Veeam 平台可以使企业实现公有云的灵活性和简便性,以及在私有云中所需的安全性、可控性和可用性,从而更轻松、更自信地实施数据中心环境现代化。具体而言,客户将从以下方面受益:
保证所有应用和数据的可用性,最大限度降低数据损失
企业级的WEB扩展架构,更有效地实现其业务目标
简化运营,消除传统基础设施、虚拟化和数据保护管理的复杂性,降低相关成本
Veeam 联合首席执行官兼总裁Peter McKay 表示:“通过与Nutanix合作,过去一年我们已经让数千家企业成功利用多云环境的强大功能。在获得Nutanix虚拟环境首选可用性解决方案提供商称号一年后,我们的合作业进一步加速,目前正在通过Veeam Availability for Nutanix AHV加强这一合作关系。”
“为了成功构建行业内最广泛的合作伙伴生态系统,打造产品集成计划以便支持提供领先的智能数据管理平台,我们希望Nutanix将在这一过程中继续发挥关键作用,”McKay补充道。
Nutanix总裁Sudheesh Nair 表示:“Nutanix 和 Veeam的 联合提供了一流的、简便的解决方案,让企业从传统的复杂基础设施和数据保护困境中解放出来,而能够更专注于结果。这一联合解决方案将提供不断变化且应用至上的环境所需的灵活性和可用性。”
通过全新的解决方案,Nutanix AHV 用户将与运行vSphere和Hyper-V的Veeam用户一样,获得同样值得信赖的备份能力和快速复原功能。这些功能包括:
细粒度的恢复 - 通过为用户提供多个恢复选项以保证更低的恢复时间目标(RTO),确保业务的连续。选项包括复原整个虚拟机或个别文件及应用项目。
优化的用户体验- 专为 Nutanix 用户打造,满足用户需求。基于Web的强大UI经过专门设计,具有与Prism(面向Nutanix基础设施堆栈的UI管理)相似的界面和视觉感受,确保用户获得流畅、一致的体验。
降低数据丢失风险 -通过从Nutanix VM级别快照进行备份,最大程度上降低数据丢失风险。通过利用快照,用户可以更频繁地进行快速、高效的备份工作,将数据恢复点目标(RPO)降至极低水平。
Enterprise Strategy Group (ESG)系统管理和数据保护高级分析师Edwin Yuen表示:“作为虚拟化保护的代名词,很高兴看到Veeam为Acropolis虚拟机监控程序提供与vSphere和Hyper-V相同的可用性解决方案成果。ESG的研究表明,绝大多数组织在其HCI和传统虚拟化基础设施中使用相同的虚拟机备份功能,以确保一致性和效率。同时,89%的虚拟化环境通过复制和/或快照对虚拟机备份进行补充,因此,结合使用Veeam的功能和Nutanix的内置功能是双方合作产生意义的又一原因。”
随着越来越多的组织从自行设计的虚拟化解决方案过渡到专门打造的Nutanix超融合平台,使基础架构更加现代化,行业领先的可用性解决方案将在确保工作负载得到持续保护方面起到越来越重要的作用,有了可用性解决方案的支持,即使虚拟机在托管架构之间进行迁移不会暴露在风险之下。鉴于Veeam软件可以保护物理服务器和云托管工作负载,通过全方位智能数据管理策略可确保Nutanix平台得到保护。
米尔堡警察局IT架构师,全新 Veeam Availability for Nutanix AHV 解决方案的测试用户Greg Felzer评论道:“多年以来我们一直是Nutanix和Veaam的客户,从未出现过中断问题。适用于AHV的Veaam解决方案是一款经过精心设计的产品,可以提供我们在其他虚拟机监控程序环境中所依赖的相同水平的可用性,管理界面与Nutanix相似,且更加简单易用,这使其成为我们的理想之选。”
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自首尔国立大学的研究提出了状态机推理(SMR)框架,解决了大型语言模型在信息检索中的过度思考问题。研究者将推理过程从冗长的令牌生成转变为离散动作(精炼、重排序、停止),使系统能够高效地在状态间转换。实验结果表明,SMR在BEIR和BRIGHT基准测试中显著提高了检索性能,同时减少了74.4%的计算资源消耗,证明其在不同语言模型和检索器中的通用性。这种结构化方法不仅解决了冗余轨迹和误导性推理问题,还为构建更高效的信息检索系统提供了新思路。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
REASONING GYM是GitHub团队开发的一个突破性推理环境库,为强化学习模型提供可验证奖励。与传统固定数据集不同,它能生成无限训练数据并调整难度,涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示,即使顶尖AI模型在复杂任务上表现也不佳,而专门针对推理训练的模型明显优于通用模型。更重要的是,在一个领域学习的技能可以意外地迁移到其他领域,这为提升AI推理能力提供了新路径。