NetApp继续推进除了传统存储业务之外的多元化战略,今天宣布在两年前推出的超融合基础设施上提供NetApp Cloud Data Services服务。
NetApp表示,还将扩展自己的云管理平台功能,使客户能够跨公有云扩展持久存储,并更好地控制他们管理和云服务付费的方式。超融合基础设施(HCI)是一种将存储、计算和网络整合到一个系统使其更高效、更快纵向扩展的系统。
NetApp云业务总经理Anthony Lye表示,目前这个只在NetApp自己超融合基础设施上提供的本地服务虽然市场份额极小,但未来将进一步扩大覆盖范围。
他说:“我们是一家开放的公司,我们超融合基础设施的架构采用了标准的虚拟机,因此可以在任何本地虚拟机环境中使用。”目前被广泛使用的虚拟机(例如VMware虚拟机)是一种用软件模拟以提高效率和灵活性的计算机。
NetApp一直在从传统存储硬件提供商向具有云专业能力的多元化数据管理厂商和转型,而且这一过程颇为曲折。最近NetApp的股票就像是坐过山车波动较大,而且上个月NetApp公布的第四财季盈利情况也令人失望。
但NetApp高管们表示,这一战略正在取得成效并将在今年帮助公司恢复增长。Lye说:“我们有数十家客户每年支付数百万美元购买我们的云服务。”
Cloud Data Services是一套让客户可以用来管理公有云存储和数据的工具,它可以通过分析帮助客户优化使用和成本。自2016年底以来,NetApp一直在不断完善这些服务,现在可以这些服务已经可以在AWS、微软和谷歌的公有云平台上运行了。在今天NetApp的发布之后,同样的服务现在也可以运行在NetApp超融合基础设施上了。Lye说:“因此,你现在可以在私有云上运行和公有云一样的服务了。”
最初在超融合基础设施上实施的包括Kubernetes Service on NetApp HCI软件套件,它结合了自动化Kubernetes部署引擎、应用市场和应用编排引擎,让客户可以使用这些引擎在本地设备和云之间移动工作负载。Kubernetes是一个用于管理容器的开源软件平台,而容器是可以在多个平台上移动的独立软件环境。
此外NetApp还发布了Cloud Volumes托管服务,该服务支持大规模的网络文件系统和服务器消息块存储,以及内置数据保护功能。
Lye表示,这个Kubernetes服务“让你能够将100%兼容[Cloud Native Computing Foundation]Kubernetes到公有云上”。该软件提供群集配置和生命周期管理功能,“一旦构建了代码并将其放入存储库中,我们就拥有了扩展、修复、测试和运行应用所需的所有工具”,并作为一项服务提供给客户。
NetApp的Cloud Insights监控和优化工具提供从物理层到应用层的基础架构监控工具,监控响应时间、容量、虚拟机性能和服务网格状况等指标。Lye表示:“你可以看到并管理所有云实例,还可以捆绑到各种基础设施和应用服务,看到这些基础设施和应用服务的性能表现。”
此外,与用于管理微服务的Istio服务网格集成,意味着用户现在可以跨环境联合群集用于像“金丝雀测试”这样的目的了,在这种情况下,代码更改被推送到少量实时服务器上,用于评估实时服务的准备情况。
Lye说:“我可以使用Istio建立版本1和版本2之间的关系,将流量路由到版本2应用并控制可用的流量,然后可以在多个云中做到这一点。”
目前所有软件均以服务的形式提供了,NetApp已经在其网站上发布大部分产品的定价信息。
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KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
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。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。