备份专家Veeam日前推出一体化的Veeam数据平台,包括Veeam 备份与复制、监控工具VeeamONE、Veeam 业务恢复编排器自动化功能以及Salesforce和Office365的SaaS备份模块。Veeam数据平台取代了Veeam 可用性套件。Veeam 可用性套件之前曾将Veeam的所有数据保护产品捆绑在一起。
Kubernetes容器备份产品Kasten可以与Veeam数据平台一起销售,但尚未整合到VeeamOne控制台。
Veeam区域副总裁Patrick Rohrbasser表示,“我们把自己的解决方案放在一个新的平台上,以应对勒索软件、混合云和容器化的新数据安全挑战。”
Rohrbasser表示,“说起新挑战这事,现在更强调在事件发生后快速恢复的能力。”
他称,“企业不只是想要一个备份副本。他们希望更好地协调恢复正常的能力,因此就需要复杂的规划并坚持遵守监管要求。Veeam数据平台提供了自动化和监控方面的工具以及主动决策支持,可以实现这些目标。”
Veeam备份和复制层提供实时备份功能、异步复制到二级灾难恢复(DR)站点以及无延迟恢复。这些几乎涵括了所有可能的情况,例如虚拟机或物理机、本地或云、Windows、Linux或Mac,文件或数据库等等。
Veeam Veeam 备份与复制第12版与第11版相比据称多了500种新功能。这些功能包括不可改变的副本,现在扩展到所有备份的托管副本,即是说包括块、文件和对象模式的卷以及AWS和Azure的云存储数据。另一个突出的新增功能是可以无需转换直接将备份保存到对象存储。
VeeamOne层引入了自动备份测试,以确保备份是健康的和可恢复的。VeeamOne还可以检测隐藏在备份中的勒索软件,除了检测写入错误,特别是那些可能在数据库保存期间被破坏数据的错误。该软件提供快速解决这类问题的方法。最后,VeeamOne为备份引入了分析功能。客户可以定义符合自己要求所必须满足的条件的备份,并对其进行审计。
Veeam Veeam 业务恢复编排器是最后一层,允许预定义恢复场景,只需点击一下就可以启动恢复场景。该软件不只是恢复到客户想要恢复的地方,还可以测试数据,必要时清除任何感染,然后将运行数据所需的服务器重新上线。Veeam Veeam 业务恢复编排器甚至可以在事件发生前模拟各种场景。
Rohrbasser表示,“简而言之,Veeam数据平台令企业在面临新的挑战和技能短缺的情况下节省时间。”
Veeam数据平台提供三种功能级别的销售选择。最昂贵的版本(高级版)包括所有的功能,并由Veeam勒索软件保证(Veeam Ransomware Warranty)支持,Veeam勒索软件保证指在发生网络攻击时Veeam数据平台没有解决的情况下对客户进行赔偿。
高级版缺少Veeam 业务恢复编排器层,而Foundation版或多或少是Veeam 备份与复制的一个新产品。需要注意的是,现在已经不可能单独购买VeeamOne了。
Office365和Salesforce模块以及Kasten可以单独购买,或者作为Veeam数据平台的一部分购买。
Rohrbasser表示,“我们可以把这些产品作为Veeam数据平台的一部分出售。但这些都是非常理想的功能,我们可以瞄准那些还不是我们客户的企业。”
他表示,“在我们的竞争对手客户群中,Kasten特别成功。其中一个原因是,Kasten除了备份还是一个在不同Kubernetes集群之间迁移容器的好工具。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。