数据存储厂商NetApp今天宣布推出Project Astra,一个针对Kubernetes的企业级存储和数据服务平台,可实现应用和数据的可移植性。
Kubernetes是一个开放源代码项目,用于协调大型软件容器集群,这些容器承载了可在任何类型计算基础设施上运行的现代应用组件。过去几年中,Kubernetes技术得到了迅速的普及,但是NetApp认为,用户缺乏确保应用数据和应用本身一样可移植性所需的基础设施。
NetApp表示,要满足CIO期望的标准,IT团队和站点可靠性工程师需要找到一种方法,通过企业级云存储和数据服务处理无状态的和有状态的云原生应用数据。
NetApp试图解决的问题就是困扰软件容器的问题。Moor Insights&Strategy分析师Steve McDowell认为,问题在于目前永久性数据对于这些运行在容器中的工作负载来说并不重要。但如今,有越来越多的应用被部署到容器化环境中,这些环境确实需要永久存储数据,还必须符合企业可管理性的规则。
McDowell说:“大多数存储厂商通过编写符合CSI规范的驱动程序来满足这些需求,CSI规范定义了容器的存储接口,让我们能够智能地将存储连接到容器,但实际上只能使我们成为其中的一部分。另一个更大的问题是数据管理。毕竟,容器数据是企业数据,而且也应该被视为企业数据,这正是NetApp Astra Project针对的目标。”
NetApp推出Project Astra的目的是为Kubernetes应用及其数据实现真正的、全面的可移植性。NetApp补充说,这一愿景是让企业能够在任何云上无缝地使用他们所选择的Kubernetes分发版本。
McDowell表示,NetApp的有利条件在于,它是容器数据管理的早期支持者之一。NetApp在2018年收购了StackPoint,将其转化为NetApp Kubernetes服务。但是,这项服务很大程度上未能引起人们的关注,因此NetApp最终淘汰了这项服务,为Astra项目腾出了空间。
Project Astra项目基于NetApp的公有云托管存储技术,通过数据服务与应用的“Kubernetes原生”集成得到增强。该平台仍在开发中,最终目标是让用户能够通过自己选择的Kubernetes设置来发现新的应用,无论是在本地环境还是在云中托管的。
McDowell说:“Kubernetes领域缺乏数据管理,而Astra是NetApp参与并发挥领导力的一个机会。NetApp拥有专业技能和知识产权,可以做出贡献,是一个很好的策略。如何利用NKS开展业务可能还不明朗,但是NetApp很了解Kubernetes。采用开源的、以合作伙伴为中心的方法,有助于在这个领域站稳脚。”
但是McDowell也强调说,NetApp尚未宣布Project Astra任何实际的产品,该项目目前更多的是为Kubernetes社区提供数据服务而进行的初步尝试,但这对于NetApp来说并不容易,目前NetApp尚未公司任何一家合作伙伴,而只是说,正在与“Kubernetes社区”展开合作。
McDowell说:“除了极少数情况下,企业实际上会开源一个已经在开发中的项目,仅有单一合作伙伴的开源项目是很少见的。我们还需要密切关注,看看NetApp是如何在开源世界中被认可的。”
NetApp高级副总裁、云数据服务业务总经理Anthony Lye表示:“我们做出了果断而长期的承诺,要解决Kubernetes及其社区和平台所面临的数据挑战。Project Astra将提供一个软件定义的架构和工具集,可以接入任何Kubernetes发行版本和管理环境中。”
NetApp表示,Project Astra目前提供了技术预览,正在邀请感兴趣的开发者注册使用。
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。