随着多云时代的到来,众多企业都在在部署或计划部署云战略;特别是越来越多企业在使用混合多云来助力自身的业务转型。但是混合云能提供的越来越强大的功能的同时,给跨界的数据保护带来了新的挑战。
近日,Veritas公司大中华区总裁杨晨与AWS中国区生态系统及合作伙伴总经理汪湧接受了至顶网等媒体的采访,介绍了双方合作如何通过技术创新及行业经验来帮助全球企业的数据管理。
Veritas公司大中华区总裁杨晨简单介绍了Veritas的能力,Veritas专注于数据本身,数据管理、数据迁移、数据保护,同时其强项是跨平台的数据管理。“具体来讲就是解决企业上云、用云、跨云过程中的数据管理。上云包括数据云上压缩,安全迁移,还有去重;在云中可以有快照,集中数据管理,还包括云中工作负载、容灾备份;跨云方面,多云数据服务平台能支持多云之间的复制、云间的故障切换,包括公有云和本地私有云之间的切换我们都支持的很好。” 杨晨谈到。
Veritas于2017年成为 APN 高级级别技术合作伙伴,今年年初,Veritas 与 AWS继续加深合作,Veritas 宣布旗舰产品 Veritas NetBackup 和 Veritas Backup Exec 获得 Amazon Web Services (AWS) 存储能力认证,进一步巩固其为 AWS 合作伙伴网络 (APN) 高级技术合作伙伴的地位,提供获得AWS 存储能力验证的解决方案。
自此,企业能够充分利用 Veritas 和 AWS 的解决方案帮助他们加速云上之旅。
杨晨认为Veritas与AWS能够为客户提供可靠的云端数据保护体验。比如以业界3倍的速度数据去重;自动化配置应用迁移上下云;以用户可承受的成本实现数据长期保存。同时提供数据、应用和服务的高效云迁移能力,包括Veritas全面数据保护能力,包括Veritas强大稳定的灾备能力,保护关键数据提供业务连续性保证;包括数据可视化与调度,随时随地追踪数据动态 以及现代化的数据管理架构。
同时双方也在数据管理进行了深度合作,双方深化合作可以为用户在可承受的成本下实现数据长期按需恢复还原数据,消除了磁带备份等成本。使用veritas和AWS实现可靠高效的SAP据管理,提供SAP在云端部署的高可用解决方案。
利用Veritas和AWS实现混合架构容灾平台构建,提高业务可靠性和可用性客户收益。能够为企业提供一个现代化的数据管理架构。企业可以通过灵活的购买模型来消除数据孤岛并通过使用机器学习和执行大规模分析从数据中获取更多价值。
AWS在用户选择数据管理解决方案是基于客户自身业务的需求自主选择的。同时对于合作伙伴来讲,AWS会提供一个公平和透明的支持。“我们在产品的研发,产品的策略方面我们都会给到合作伙伴非常公平和透明的支持。我们刚才所讲到的有合作伙伴的专业认证,有合作伙伴的MSP等等,这些都是给到所有合作伙伴的,不会有什么区别,AWS非常透明的配合合作伙伴。在每个项目中间我们也会按照我们市场的策略有各种各样的机制,会有些专注,我们还是关注客户自己的选择。” 汪湧谈到。
包括中集集团、太古可乐、通威集团等企业用户采用了双方提供的解决方案。比如中集集团希望其在云中及本地的数据都能得到可靠的数据保护,同时也希望在云中及本地数据可以快速且高效的备份。中集集团使用了Veritas NetBackup,在其企业数据中心和基于云的 NetBackup实例中,集团借由灵活的Amazon Web Services(AWS)存储实现了短期数据保留。 在两天的保留期后,数据备份将转移到Amazon S3存储以进行长期保留。并在其数据中心和AWS之间进行数据复制, 进行灾难恢复。不仅实现了借助本地数据中心及云端存储之间的数据复制的灾难恢复解决方案,同时显著降低数据保护和灾难恢复过程中的总拥有成本。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。