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
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。