Veeam公司已经对其Microsoft 365备份方案做出更新,使其具有不变性与可扩展性,并宣称将为用户带来更佳性能表现。

Veeam Backup for Microsoft 365 v8.0紧随2022年推出的主要版本v7而来。上个版本带来了集中监控与报告、电子数据展示功能、实时警报及服务水平协议(SLA)报告等升级。而v8.0则可在恶意软件感染后执行恢复,对规模更大的Microsoft 365环境进行备份,并提高速度及可扩展性以避免服务器堵塞。Veeam公司表示,其Microsoft 365备份保护伞已经覆盖超2100万用户。
Veeam公司销售主管John Jester表示,“在Microsoft 365当中,关键数据、文件乃至通信数据的丢失对于任何组织都会造成灾难性的后果。如今,最新版本拥有最全面的Microsoft 365备份不变性,包括一套专为提高效率及规模水平所设计的新架构,以及直接基于客户请求的额外支持选项。”
v8版本添加了不可变备份以及不可变备份副本。这些备份可以存储在Amazon S3、Wasabi S3以及Azure Blob当中。不变性期限可以设置为特定日期,也可以设置为存储库的整个保留持续时间。
Proxy Pools代理池引入了可扩展性与性能提升,通过在多个代理之间分配流量以提高备份处理速度。客户可以将最多150个备份代理整理至单一代理池当中,从而保护多达100万个对象,从而实现基于CPU和RAM消耗量的自动负载均衡及Microsoft 365限制控制。代理池可以动态扩展,每个代理池亦可同时也多个对象存储库配合使用,且同时囊括Linux及Windows备份代理。
新版本还引入了另外26项变更,包括但不限于支持私有及共享Microsoft Teams频道。
今年8月,微软宣布与合作伙伴一同推出Microsoft 365备份服务,而Veeam正是官方指定的合作伙伴之一。
当时有报道称,“Veeam Data Cloud建立在Azure之上,负责为Microsoft 365提供备份即服务(BaaS)……该公司表示,其身为Microsoft 365备份存储的发布合作伙伴,Veeam Data Cloud for Microsoft 365使用的也正是微软的365备份存储产品。这项新的微软备份技术被嵌入在Veeam的Microsoft 365备份服务当中。”
我们还就Veeam Backup for Microsoft 365 v8是否使用了微软的365
备份存储产品,向该公司进行了求证。
Veeam方面解释道,“具体就Microsoft 365备份存储来说,Veeam已经将Microsoft 365备份存储整合至Veeam Data Cloud for Microsoft 365产品当中,并计划面向Express和Premium用户发布。Veeam Data Cloud使用到了Microsoft 365备份存储,但Veeam Backup for Microsoft 365则没有使用。Microsoft 365备份存储并不适用于VCSP能力计划或者可安装的Veeam Backup for Microsoft 365方案。”这里提到的是VCSP,是Veeam发布的云与服务提供商计划。
关于更多细节信息,请参阅此处的正式“新增功能”文档(https://www.veeam.com/veeam_backup_m365_8_whats_new_wn.pdf)以及此处的发行说明(https://t.co/0mrUV5ULSi)。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。