块数据迁移专家 Cirrus Data Solutions 与 Red Hat 建立了新的集成,这将帮助用户更好地进行工作负载迁移。其产品 Cirrus Migrate Cloud 现已与 Red Hat OpenShift Virtualization 实现集成,使组织能够自动将工作负载从"任何"虚拟机管理程序进行迁移。
Cirrus 表示,这次集成实现了更灵活的混合工作负载、加快了现代化进程,并提高了资源利用率。
据称,Cirrus Migrate Cloud 现已与占据虚拟化技术市场"超过 90%" 份额的虚拟机管理程序实现集成,包括 VMware vSphere/ESXi、Microsoft Hyper-V、Nutanix AHV,以及现在的 Red Hat OpenShift Virtualization。Cirrus Data 还支持自动迁移到 Azure VMware Solution (AVS)、VMware Cloud on AWS、VMware Cloud on AWS Outposts 和基于 oVirt 的 Oracle Linux Virtualization Manager (OLVM)。
据介绍,Cirrus Migrate Cloud 的智能服务质量技术确保应用工作负载在整个迁移过程中保持完全运行,且不会影响性能。该平台自动处理所有必要的修复工作,包括配置更改、驱动程序更新和代理部署。Cirrus Migrate Cloud 支持迁移任何块存储设备,包括物理 RDM、直接映射的 iSCSI 磁盘或任何其他磁盘。在迁移过程中无需采取额外步骤来转换 RDM。
供应商表示,Cirrus Migrate Cloud 与 MigrateOps 相结合,为组织提供了一个"安全、易用且可靠的解决方案",可以自动完成从一个虚拟机管理程序到另一个的转换。
"我们的使命是通过为客户提供无摩擦的数据迁移来消除创新障碍," Cirrus Data Solutions 的 CEO Wayne Lam 表示。"通过集成对 Red Hat OpenShift Virtualization 的支持,我们使组织能够在不承担传统虚拟机管理程序迁移相关风险或复杂性的情况下实现计算环境的现代化。"
Red Hat OpenShift Virtualization 集成现已可用。Cirrus Migrate Cloud 可在 Microsoft Azure Marketplace、Amazon Web Services (AWS) Marketplace 和 Oracle Cloud Marketplace 上获取。
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。