北京,2020年4月29日:云数据管理™备份解决方案的领导者Veeam® Software(卫盟软件)今天发布全新的云备份和恢复解决方案Veeam Backup for Microsoft Azure。这一新产品将助力客户和服务提供商将更多的应用程序和数据迁移至Azure,以更低成本轻松保护Azure中的云应用程序和数据安全无虞。此外,Veeam的便携式备份格式全面支持多云环境中的云移动(Cloud Mobility),包括备份、恢复和迁移。
客户采用Microsoft Azure等公有云基础架构即服务(IaaS)作为IT生产工作负载的比率继续保持快速增长。即便使用公有云IaaS,由服务提供商保证基础架构的运行时间,客户仍然要对数据负责,并且还要保护这些数据免受各种威胁和风险,包括勒索软件、意外删除、数据损坏、恶意用户等,就像保护其本地数据一样。凭借全新的Veeam Backup for Microsoft Azure,Veeam通过一个全面的企业级解决方案扩展了其广泛的平台支持,增加了对Azure虚拟机上的Azure应用程序和数据的备份和恢复控制。
“根据Veeam云数据管理报告,云数据丢失是所有组织都面临的问题,”Veeam首席技术官 Danny Allan表示。“无论是由于错误、意外删除、勒索软件和恶意软件等安全威胁,或者是由于长期保留的需要,客户都有责任对其数据进行保护,无论是在本地还是在云中。我们的解决方案通过提高可靠性、降低成本和缩短恢复窗口,消除了IT专业人员面临的挑战和复杂性。全新的Veeam Backup for Microsoft Azure可以帮助客户进一步降低成本,同时还能通过保护和管理Azure以及客户的云端、虚拟和物理环境中的应用程序和数据,让客户的云数据尽在掌控。”
全新Veeam Backup for Microsoft Azure能让组织更有信心将更多应用程序和数据迁移至云,因为他们在其本地环境中使用和信任的Veeam平台现在可以无缝拓展到Azure。其优势包括:
定价和可用性
Veeam Backup for Microsoft Azure提供免费版和付费版,都可以通过Azure Marketplace轻松部署。免费版支持最多10个Azure VM的备份,对恢复没有限制。付费版可以用Veeam Universal License(VUL)进行授权,并与Veeam Backup & Replication™集成,可让用户从单个平台获得灵活的云数据管理解决方案。
支持引言
“Veeam Backup for Microsoft Azure为企业提供了更多功能选项,从而可以在几分钟内轻松地将丢失的云数据从任何场景中恢复。通过与Azure Lighthouse的集成,Veeam BaaS提供商将能够在其基于Azure的备份产品中构建跨客户管理功能,帮助客户降低成本并加速他们的上云进程。”——微软公司Azure存储、媒体和Edge副总裁Tad Brockway
“为了避免供应商陷入财务困境、以低成本运营,企业不断拓展基础架构,使其更加多样化。他们需要值得信赖的供应商随时随地为其工作负载提供支持。随着Veeam Backup for Microsoft Azure的发布,Veeam将继续支持动态基础架构,不断满足客户的日新月异的需求。”——ESG高级分析师Christophe Bertrand
“作为托管服务提供商,我们的客户依靠Brainlink来提高他们的生产力和效率,同时保护其数据以确保安全无虞。Veeam提供的广泛支持及其与Microsoft Azure的集成提供了无与伦比的产品组合,使我们能够通过在Azure中以合理成本进行超快速备份和恢复来实现我们的战略。我们很高兴Veeam再次拓展这一支持,全新的Veeam Backup for Microsoft Azure使我们能够进一步拓展我们的产品组合,为Azure虚拟机提供原生保护,并能在安全和成本效益方面满足客户预期。”——Brainlink首席技术官Raj Goel
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。