在软件定义网络萌芽期,只有一种SDN协议:OpenFlow;而如今,用户有了更多种类的SDN协议用以选择。
曾几何时,软件定义网络只有一种协议:OpenFlow。经典SDN皆依赖OpenFlow保证SDN控制器和执行其命令的数据平台设备的连接。
然而,在发展过程中更多地强调集中的网络虚拟化和可编程性,而不只是控制与数据平台的分离,因而SDN有了更为广泛的含义。随着这种转变的发生,该领域的其他协议变得越发重要起来。
思科推出了一种SDN协议让策略能够在由智能设备组成的网络中自动传播,而不是将数据平台设备“白纸化”。VMware NSX和其他解决方案的崛起带来了可覆盖整个本地网络的VXLAN协议。NVGRE是种相似的虚拟化协议,吸引了微软及其他知名企业在云环境中使用它。而Geneve则是种更新的虚拟化协议,旨在统一VXLAN和NVGRE。
考虑到有越来越多的协议可供选择,怎样决定哪种SDN协议是最适合你的?对多数人来说,问题应归结为:哪种SDN方案能够支持起未来几年内你想要及需要做到的事,从而使用它所支持的那种协议。
确实,OpenFlow拥有最广泛的供应商和技术支持的生态系统,不过若是基于OpenFlow的SDN达不到你想要的,可以看看其他的是否能够满足你的需求。且长远来看,拥有一到两个备选协议和迁移途径将不成问题。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。