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
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。