近日,南京网锐(原xNet)推出“锐”品牌,技术理念转向更具前瞻性的“IT架构转型”,结合近年来在SDN交换机和开放式网络领域的积累,网锐公司将SDN/NFV技术的开放性和灵活性优势充分发挥了出来。在启用“锐”品牌的同时,“NetrimX”作为全新的英文品牌名,一并闪亮登场!
回顾网锐的发展之路,艰辛与挑战如影随形,作为国内最早从事SDN技术研究的创业公司,网锐在成立之初,一直充当着SDN的布道师和破冰者角色。彼时,xNet(extensible Network)是网锐践行“开放网络”的标签,通过力推交换机软硬件解耦理念、白盒模式、交换机系统定制化开发,得到了大量ODM客户和互联网公司的认同。如今,网锐的眼光已经不仅仅局限与“L2~L4”的交换机层面,而是瞄准了更高处:网络与IT的融合协作,将软件定义的理念提升到应用交付,帮助用户构筑以软件为中心(software-centric)的IT基础设施。“锐”品牌令旗挥动,ADS交换机、flexSDN交换机、pureIP软件等一大波新产品拍马杀到。
网锐公司在业界首创了应用定义(ADS)交换机,利用交换机实现转发层平面的负载均衡,集群, 集群链, 优化网络层次结构,缩减ADC(应用交付控制器)等专用设备,精简IT网络,提升业务效率和可靠性。
【ADS交换机典型组网】
在ADS交换机构筑的新数据中心里面,不再需要专门的负载均衡控制器,由ADS自身处理转发平面的负载均衡,整个集群的吞吐量可以与ADS交换机的交换容量相当,彻底改变消除传统ADC的性能瓶颈;ADS连接的应用服务器可以全部工作在active模式,提高服务器利用率;系统采用单VIP,不需要DNS轮询;
flexSDN交换机包括X系列和E系列,前者用于数据中心,存储,HPC等网络的接入(ToR)和汇聚(EoR)部署,后者用于园区网,企业网等环境的接入和汇聚。网锐提供业界适用性最广的软件定义网络(SDN)和开放网络解决方案,基于开放式可编程Linux网络操作系统的NITOS,可以直接支持IT自动化运维工具(如Ansible, Puppet等)客户端。
【NITOS与Ansible联动进行监控】
NITOS还提供了Open API,支持用户对flexSDN交换机的集成,管理和控制。
【flexSDN典型应用】
flexSDN除了支持标准OpenFlow协议、集中式控制器部署模式外,还可以支持混合式控制器部署模式、自制控制器集中式部署模式以及点对点部署模式,给使用者更加灵活的选择。
pureIP系列软件是网锐公司推出的增强网络业务解决方案,分为SLB、FW、IPS多个功能版本,可以集成在物理服务器或者虚拟机中,与ADS交换机协作,满足云计算中心复杂的IT业务交付需求。
【ADS+PureIP在云数据中心的应用】
ADS交换机构筑应用交付骨干,集成在vm中的pureIP策应联动,互联网企业用户可以部署一个高可用、高性能, 可扩展的虚拟SLB集群服务链,提供NAT, Proxy, SSL, Caching, Compression, WAF 等功能,应对复杂的应用交付场景,而服务器集群既可以是IT应用服务(OA、邮件、web、aaa),也可以是NFV服务(防火墙、IPS、WAF、VPN),既满足IT应用需求,也可以实现IT支撑体系的Scale out。
“锐”是独到而敏锐的战略眼光,是锐意进取的凌厉气势,也是锐气逼人的创新产品。基础网络与上层业务的割裂是系统管理员的心病,当我们看到网锐的“netrimX”时,一切似乎有了答案,“trim”本来是个去除空格的函数,所以,netrimX就是要去除网络和所有应用之间的“空格”,让我们一起来期待!
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
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%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
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。