近日,由天地互连-全球SDN测试认证中心联手Ixia共同举办的“SDNFV ShowCase”测试活动在京成功举办,并于日前正式发布《SDNFV测试&ShowCase白皮书》。作为亚太地区最大规模的SDN/NFV 测试活动,本次活动顺应市场向北向推进,首次增加NFV整体方案测试内容;引入全球首款OpenFlow 1.3专项测试工具OFsuite,同时扩大测试范围,面向全球应用厂商、开源方案、交换机厂商、控制器厂商及测试工具厂商开放,提供SDN/NFV全方 位的测试服务。
互联网技术历经近四十年的发展后,现有网络架构已不适应当今对于可扩展性、安全性、可控可管方面的需求。倡导软件化、虚拟化的SDN/NFV技术应运而生,并得到了业界人士的广泛关注和认可,全球各大厂商在近年来纷纷展开战略部署及规划。
本次“SDNFV ShowCase”测试活动的展开,吸引了Accton、华为、华三通信、武汉绿网、Mellanox、Pica8、锐捷、云杉、绿盟、中兴等全球十余家 交换机、控制器、测试仪厂商、应用厂商参与。在为期一周的测试活动中,分别对OpenFlow1.3一致性、SDN互通性、产品SDN性能、定制化NFV 方案测试等四个方面展开测试,可以说,“SDNFV ShowCase”测试活动不仅为参测厂商提供一个验证不同产品间互操作性的绝好机会,也使测试工程师能在测试过程中发现并及时解决产品问题、优化实施方 案、提高产品性能。
随着SDN/NFV技术的快速发展,相较往届活动,在本次测试活动中,各大厂商不仅在OpenFlow协议一致性、设备互通方面更加成熟和完善,各 项性能指标也均有提高,同时在整体的虚拟化方案方面也有了实用具体的体现,为SDN和NFV技术的结合实践,增强了信心。一致性方面,经OpenFlow 1.3一致性专项测试工具OFsuite测试,各厂商交换机在测试例通过率方面与往届相比已有了大幅提高。同时控制层面功能更加完善和丰富,多家厂商的交 换机组网互通,均可以在控制器界面实现可编程的拓扑发现,链路统计,二层转发等基础功能,但VxLAN、TLS加密,Overlay等功能仍需交换机完善 相关实现。不过,通过测试也发现由于没有控制器之间的东西向接口标准,不同厂商控制器之间几乎不可能集群工作。
在方案测试阶段,来自华为、锐捷、华三、中兴的SDN方案将以前由传统设备处理的工作迁移至SDN/NFV场景,借助控制器的全局视图和集中控制能 力实现策略路由,web认证,vBRAS等功能。在存储或广域网流量调度,企业网场景下都可以实现广泛的应用。整体解决方案的出现表明SDN与NFV结合 有其天然的优势,同时也代表了业界对未来网络演进的思路和见解。
全球SDN测试认证中心主任李震表示:“目前的SDN市场,OpenFlow1.3协议已成为厂商实现的主流,在基本功能的互通上已逐渐成熟,但芯 片仍然是制约设备实现的主要因素,基于不同交换芯片的解决方案仍需要对流表严格限制才能互通。同时,部分厂商提供的NFV解决方案,如vBRAS和 vFirewall已实现虚拟化的功能。未来,全球SDN测试认证中心将继续举办类似测试活动,希望有更多的厂商参与其中,只有真正通过不同设备之间的交 互测试才能发现问题并有针对性的解决问题,大家群力群策,共同推动SDN/NFV产业发展及商业部署。”
测试仪厂家Ixia产品经理杨益锋在“SDNFV ShowCase”测试活动结束后表示:“在此次测试活动中,Ixia提供SDN/NFV 测试工具和方案,与所有的参测厂家都进行一对一的功能、性能和组网测试。这是一个非常好的机会去了解各个厂家的产品的现状及以后发展的需求,从而可以更加 全面和深入地为各个厂家在开发SDN/NFV产品提供端到端的测试手段,为终端客户在设备选型及方案验证提供评测工具。我们将持续努力为整个产业的发展作 出贡献。”
本次参测厂商工程师之一,中兴系统工程师张金新在“SDNFV ShowCase”测试活动结束后表示:“通过本次测试活动,不仅与其他厂商进行了不同设备间的互通性测试,还了解到很多其他厂商的想法,通过与大家的接 触,可以达成更多行业合作。众所周知,仅由某家或某几家厂商不可能提供基于所有产品的解决方案,经过与其他厂商的沟通与协调,大家可以在相互推动、相互合 作的情况下共同完成市场目标。”
为本次测试活动进行深入解读,全球SDN测试认证中心特别于日前发布《SDNFV测试&ShowCase白皮书》。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。