概述
在过去的一段时间里,我们一直在测试OpenDaylight Helium SR3(主要通过博科Vyatta控制器集成OpenDaylight的1.2版本)和ONOS的1.2版本——Cardinal。在这篇文章中,我们会 对这两个控制器进行比较,着重比较两者的规模,特别是可以处理的交换机数量,我们采用IXIA和Pica8交换机来模拟OpenFlow 1.0和1.3交换机。
注意:ONOS的最新版本(Cardinal)v1.2有一个问题就是处理IXIA模拟的OpenFlow v1.3交换机,因此所有对ONOS规模的测试都使用OpenFlow 1.0交换机。此外,ONOS术语“node”指ONOS的拷贝(我们测试的时候运行了两个节点),而在OpenDaylight中,“node”是指一 个OpenFlow交换机。
用户界面
ONOS和OpenDaylight/BVC一个主要的不同点在于从用户图形界面(GUI)可以直接获取的控制装置和信息。
ONOS
ONOS的GUI包括Summary, Node(s)和Controls在内的多个窗口。
ONOS GUI陈列了轮廓分明的终端主机,你可以看到它们连接在了交换机上。
OpenDaylight
默认的OpenDaylight GUI上会有一些功能,包括:陈列node的窗口,Yang界面和Yang可视化工具。
当试图陈列终端主机的时候,会发现OpenDaylight GUI不像ONOS那样清晰,主机是交错地连接在交换机上的。
Brocade Vyatta Controller
Brocade Vyatta Controller(BVC)的GUI要比OpenDaylight GUI清晰,而且还具有额外的模块Vyatta vRouter 5600 EMS和“PathExplorer” 应用。
当前在OpenDaylight/BVC呈现的主机和交换机操作起来不是很容易,也不能很好地测量规模。
规模
在规模测试中,我们由100个交换机扩大到400个交换机,每台交换机上连接12台主机。当OpenDaylight(采用BVC)能够将交换机数量扩大到400时,ONOS已经在采用400台交换机之前就停止运转了。
这是BVC的GUI,展示了彼此互通的400台交换机、800个连接和许多主机。
下图是ONOS达到处理交换机/连接/主机的极限的实验结果:
该截图展示了两个ONOS节点的400个交换机、800个连接和0个主机(我们试图在48个主机间发送数据流)。当设备(交换机)在数据库中时,主机就不在数据库中,GUI变得不稳定,不再展示任何信息。
思考
当作为具有许多南向和北向接口的SDN控制器时,ONOS和OpenDaylight都是固体产物。这里的测试只关注OpenFlow和具体规模。 OpenDaylight的Brocade版本打包得很好,也有一些不错的附加条件,如Brocade Vyatta vRouter 5600上的EMS应用程序。ONOS继续专注于在它们的GUI上提供工具和信息,300台交换机是一个完全合理的数量,当然任何人都应该添加一个或两个 控制器。
好文章,需要你的鼓励
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。