F5公司推出了一款轻量级网关,可以让7层负载均衡器跨应用程序服务在公共和私有云环境中运行。
LineRate Point Load Balancer产品是通过批量授权认购方式出售,可以在数以千记已经在虚拟机上运行且已共享的不同应用程序组件上部署。
F5公司表示,LineRate Point Load Balancer这款产品可以支持各种服务。该服务可以是一个客户或产品这样的数据对象,也可以是用户在与应用程序交互时实施的一系列功能性动作。这些动作可能包括登陆、注销或搜索。
像应用程序一样,服务可以被克隆并汇集起来处理大量的请求。本周推出的The LineRate Point Load Balancer将请求分发给这些已克隆好的服务,来平衡性能。
IDC分析师Brad Casemore说:“了解F5公司LineRate这款产品最好的办法就是把它看做适用于软件定义云计算数据中心的产品,不然就将其考虑成开源产品的替代品。开源负载平衡器用在许多云服务提供商的数据中心,而商业负载均衡器和应用交付控制器(ADC)通常被认为太贵了。”
LineRate Point这款产品为了适应云服务提供商的软件定义基础设施,并没有太多Big-IP负载均衡器的特性。
Casemore说:“这类型的客户与大多数企业客户有很大不同,他们好像会喜欢LineRate所提供的高性价比特性。”
F5公司于2013年底开始进入云计算市场,从Big-IP产品开始改变其产品结构。传统产品结构是让产品处于服务器、防火墙和网关之前,管理所有交付给基于IP的应用程序的流量。
F5公司新的产品结构,被称为合成,鼓励企业购买其应用交付控制器(ADC)并将其当做根基来使用,而不是只在最关键的应用程序前部署这项技术。
作为根基这个方法更适合于云环境,并让其Big-IQ管理平台为4-7层服务提供了更广泛的编排系统。F5公司计划在Big-IQ管理平台上中增加LineRate Point技术支持。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。