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
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。