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
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。