Gartner预测,到2022年,75%使用云基础设施作为服务的企业客户将采用多云战略。相对于2017年的49%数据,这是一个快速增长的趋势。于此同时在云安全、技能和成本优化等方面,多云带来了许多挑战。Veeam针对多云环境的挑战也在积极推出创新的数据保护解决方案。2021年第一季度Veeam针对云、虚拟、物理、SaaS和Kubernetes工作负载推出最先进的数据保护解决方案Veeam Backup & Replication v11,自首次发布以来,下载量已超过30万次,现在最新的Veeam Backup & Replication v11a已经升级发布。
近日,Veeam 中国区总经理张弘与Veeam 全球高级技术专家 Anthony Spiteri分享了Veeam最新的市场策略和新版本的技术创新。
针对市场发展策略,张弘表示,随着Veeam Backup & Replication v11a产品新增的功能,能够更加匹配一些企业级的应用和要求,从而能够和和全球的合作伙伴一起去获得更多的市场份额。也做了非常多的人员和产品的储备。“第一,我们已经制定好了一个很完整的关于容器备份的市场策略。同时我们也强化了对于分销商,对于整个云服务商的发展和管理。”张弘分享到,“我们也正在做未来的投资计划,2022年对于人员规模还会有继续的扩大,包括我们在公有云的销售,人员结构方面会做一些新的调整,能够更好地去匹配云时代的转型步伐。”
Anthony Spiteri表示,在2021年,从最先发布的 Veeam Backup and Replication v11a,到近期发布的Veeam Backup for RedHat Virtualization,这些产品均已全面发布且现已可用。而且,针对公有云产品也提供了增强功能。比如在SaaS方面,Office 365为例,其日活跃用户达1.45亿, Veeam Backup for Office 365产品就取得了巨大的成功,同时Veeam和合作伙伴上传到公共云的数据量达225PB,通过Veeam对象存储技术,帮助将数据迁移到成本更低的存储中。
Anthony Spiteri 在谈到最新的Veeam Backup & Replication v11a功能时表示,Veeam为向云转移的客户创造了更多价值,包括扩展对AWS、Microsoft Azure和Google Cloud Platform的原生保护,针对Kubernetes集成Veeam备份存储库,以及对IBM AIX和Oracle Solaris保护进行集中管理。Veeam Backup & Replication v11a还提供更强大的平台支持,包括支持Microsoft Windows Server 2022,以及更广泛的功能可帮助确保存储在任何位置的数据受到保护。
还有增强的连续数据保护(CDP)功能为VMware VSAN和VMware Virtual Volumes (vVOLs)提供更强大的支持,无论使用哪种主存储技术,都能通过一个集成化的解决方案实现RPO、RTO和SLA目标。
2021年9月1日,中国数据安全法颁布之后,Veeam作为专业云数据管理厂商,分享了Veeam如何助力用户更好的围绕安全法来实施数据管理。
数据安全法与条例对于数据安全保护和关键信息基础设施安全保护均有详细的规定。对于灾备领域而言,主要包括了对数据和关键信息基础设施安全保护的顶层设计与制度设计、整体技术方案与落地建设、应急管理与运营体系建立等环节。从工作内容上,具体分为如下 4 个方面:
设立数据分类分级保护制度
企业应对数据分级设定不同的数据保护策略,确保可以达成SLA,
同时对于备份数据的存储也应该实现分级,依照企业对数据利用需求不同,Veeam可以帮助用户对备份数据的存储进行完整的生命周期管理, 从即时恢复的磁盘到长期归档的磁带。
加强对重要数据的关键信息基础设施保护
对于企业的重要数据、关键信息基础设施的整体性的保护技术方案应尽快落地,Veeam 不仅提供有效的数据保护方案,同时还提供有效的监控方案,备份保护数据的重要手段,而Veeam存储库可以设定推出是对基础设施的保护,被保护的数据要有不可变性
建立数据安全应急管理机制
按照法规要求企业应建立应急管理、业务连续性管理机制,Veeam 可以通过自身的机制确保备份与容灾的数据集得到周期校验,在此之上客户还可以利用Veeam 的VDRO这个灾备自动化工具实施灾难恢复演练,练确保具备应对数据安全事件的能力
健全数据安全运营管理体系
企业应从从日常运维管理的流程出发,使用合理的监控工具,利用 Veeam One 企业可以实施面向合规性的运营、质量审查、考核等管理制度。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。