作为业内领先的移动和网络交付控制器,思杰NetScaler提供了可谓最全的功能集,它是一个负载均衡器,也是一个SSL VPN,更提供了优秀的应用安全性。
思杰公司NetScaler产品管理总监Marissa Schmidt近日在接受媒体采访时表示,“之所以很多客户选择我们,就是因为NetScaler能够全方位解决整个应用交付的问题。随着上线的应用越来越多,NetScaler满足了客户的三个重要需求,性能、安全问题和网络虚拟化。”
思杰公司NetScaler产品管理总监Marissa Schmidt
流量越来越大,NetScaler抓住了客户的这个核心诉求,所以Marissa Schmidt每一年都能见证到NetScaler的生意一直快速增长,“尤其是最近三年,从2011年到2014年,NetScaler的生意翻倍,这个增长是其他竞争对手做不到的。”她说到。
目前,全球领先的三大公有云提供商都是NetScaler的客户,微软Azure、亚马逊AWS以及IBM SoftLayer。Marissa Schmidt举例到,用户在SoftLayer上采用NetScaler的负载均衡服务,这个体验就像电商购物一样,他可以选择流量、最大连接数等配置参数,几分钟就可以把一套NetScaler接到他的云业务系统中。
NetScaler除了作为一个独立的应用交付产品外,在思杰的整体解决方案中,NetScaler还扮演着重要的角色,尤其是关联XenApp和XenDesktop两个产品。“思杰提供SSL VPN的连接到虚拟化的桌面,并确保其安全交付。另外,客户如果有不同的数据中心,它会做全局负载,把不同的流量分流到不同的IDC。如果有备份的中心,并会把流量切换到备份IDC。”
很多人熟悉思杰的虚拟化产品,NetScaler可以变成一个单点登录的虚拟化桌面应用于其中。
扩展和思科ACI合作
思杰也意在扩展NetScaler与产业链的合作关系,其中,思科就是其重要的合作伙伴。 Marissa Schmidt指出,NetScaler现在是唯一完全集成至思科的统一架构的应用交付控制器。
据介绍,NetScaler利用思科RISE技术与Cisco Nexus 7000系列交换机无缝集成以简化部署、自动化控制并降低运营成本,同时提供同类最佳ADC 独立性能、可用性和可靠性。
思杰和思科已交付Citrix NetScaler 1000V——对L4-L7服务进行重新定义的同类最佳应用交付控制器。该架构利用思科在统一架构和统一计算方面的优势以及思杰在智能化和应用交付方面的实力构建而成,在Nexus虚拟服务平台运行以提供可交付可扩展性、弹性实例化和多租户操作的虚拟网络基础架构,全部采用服务置备和管理的常见方法。
Marissa Schmidt指出,“除了NetScaler,还包括桌面虚拟化等,我们有一整套跟思科的产品整合方案。”
供用户的灵活平台选择,MPX、SDX、VPX
Marissa Schmidt称思杰目前为无论是移动化、消费化、物联网,还是SDN、DevOps、ADCaaS的趋势和需求做好了准备,现在NetScaler提供了灵活的平台选择,包括MPX、SDX、VPX。
据介绍,MPX基于硬件的应用交付设备的完整产品组合可交付500Mbps至160Gbps的性能。
VPX可基于任何X86的服务器,它是基于软件的虚拟设备,支持主流虚拟化环境,快速、灵活简单部署,移植了硬件100%的功能。
Marissa Schmidt指出,“NetScaler SDX目前是客户最感兴趣和增长最快的一点,SDX同VPS不同,它在硬件资源,包括CPU的数量、内存的数量、网卡的效率等都是有保障的。”
SDX使单一硬件设备运行多个“实例”,每个实例可以进行CPU独立分配、内存独立分配、SSL芯片独立分配,并且软件版本可不同,可对每实例分别做HA,网络资源独立分配。
NetScaler还提供了一个软件叫做NetScaler Control Center,用来满足自动化配置的角色,用户可以通过NetScaler Control Center去部署新的NetScaler的ADC,然后去设定这些ADC所需要的功能。
“在NetScaler Control Center上有一个特别不一样的地方,它不是针对虚拟机做所谓的部署,包含NetScaler的SDX,甚至硬件的MPX都可以通过NetScaler Control Center做自动化的机制。”Marissa Schmidt说。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。