“智慧”来源于芯片集成的高效网络监控功能
对于“智慧”而言,我们不妨先举个例子,比如我们如果把网络比作是城市的交通道路,那么“智慧”就是能够自动化疏导交通拥堵的工具。而网络流量采集对于流量计费、带宽规划、路由计算、网络管理和异常流量(如DoS攻击)检测等网络管理工作是非常必要的。然而随着网络规模的扩大和链路速度的增加,实施对很多大规模网络流量的采集非常困难。
而为克服这些困难,盛科网络在最新推出的“智桥”系列高密度万兆交换芯片中,创新性的将对带宽流量中占80%的大象流的检测做到了芯片之中,并实现了动态负载均衡等特性。而这一创新性的做法,相对于当前业内广泛采用的硬件实现流量采集的方法,如Cisco的NetFlow和InMon的sFlow都是基于对数据报文周期性采样实现流量采集的这种方法来说,具备了实现效率更高,实现的成本更加低廉,错误率也将更低等优势。
对此,孙剑勇表示,“这就好比在繁忙的交通中,要把急救车、公交车或者执行其它紧要任务的高优先级车辆和大流量的春运返乡车辆自动识别出来,给予不同的路径引导,从而保障这些车辆的最快速到达。最终能够更快更及时的发现网络存在的问题并迅速采取应急措施,解决网络用户体验差的诟病。”
另外,“智桥”系列芯片在实时网络监控方面,还可以做到小微突发检测、缓存监控、时延监控、软件定义计数器,以及定时触发的芯片统计DMA推送等工作。
除此之外,盛科网络还创新性的提出了Cloud3.0技术,除了提供对网络转发层的控制,还为“智桥”系列芯片集成了对应用级感知技术,通过对网络感知、诊断和监控的功能,可以对封装在隧道内部的流量进行识别和处理,为隧道封包实现可视化提供可能,同时也为数据中心网络提供了基于虚拟机层级的流监控功能,也进一步优化了对网络监控和管理的闭环操作。
“强壮”来源于芯片对SDN/NFV的高度整合与应用
而对于“强壮”而言,就要提到当前最热的技术SDN了,我们知道SDN是以集中控制、动态优化、业务融合的技术趋势来支撑应用需求的,而在传统数据中心网络在向云计算服务转型的过程中,SDN也扮演了至关重要的角色,尤其是目前公有云服务正在不断替代传统的IDC服务,如提供VPC(virtual private cloud)服务,也都需要提供虚拟网络隔离、虚机调度管理等功能,还要对更加复杂的虚机和物理机混合组网做到技术支撑,如果没有SDN技术作为支持,那么将很难实现。
而在SDN领域,盛科网络很早就对其有了深刻认识,这也促使其成为全球开放网络基金会(ONF)最早的成员之一,并且也是开放网络基金会(ONF)的芯片标准组织(CAB)全球十二家成员之一,并参与制定全球性的软件定义网络(SDN)芯片相关标准。同时其也是开放虚拟化联盟(OVA)、国际城域以太网论坛(MEF)的组织成员。
在本次盛科网络发布的CTC8096交换机芯片上,就能够支持L2/L3/MPLS/OpenFlow和数据中心功能等特性集合。其多达96K的Openflow流表,可以支持多级流表查询技术,以及增强ECMP/LAG自愈能力实现流级弹性恢复和大象流动态均衡等功能。而这些都要得益于盛科网络多年来对SDN技术的深入理解与相关产品的研发经历。
此外,我们还能发现在云计算架构中,要实现网络虚拟化相对于计算、存储而言是更加困难的。其原因主要是当前主流的网络虚拟化方案都是通过NvGRE、VXLAN和MPLS等隧道技术来实现overlay网络的。如果隧道的封装和解封装在服务器中进行,当隧道数目多于一定数目,那么性能就会显著下降。而我们知道服务器的CPU资源应该尽可能多的用于计算和存储,而不应该过多的消耗在网络报文处理当中。
盛科网络V350 OpenFlow交换机部署与应用
在看到这一点后,盛科网络通过在其V系列的OpenFlow交换机中提供的L2 over GRE和L2 over MPLS的隧道封装和解封装网关功能,将网络虚拟化的工作转移到交换机上完成,实现了高性能低成本的网络虚拟化解决方案。而V350系列交换机就是基于盛科最新一代TransWarp系列芯片CTC5163和产品化ToR交换机平台,通过集成开源的Open vSwitch和盛科SDK,V350 OpenFlow交换机在处理隧道数目上可达10K,同时流表数目可达20K,完全可以满足当前多种云计算网络架构的需求。
另外,据记者获悉,盛科网络已经与多家云计算服务提供商取得合作,并提供有基于OpenStack等云平台管理软件的网络虚拟化方案。借助OpenFlow交换机,可以为公有云与私有云服务提供一体化的网络虚拟化方案。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。