时隔一年,博科发布SDN控制器2.0版本,去年9月,博科推出SDN控制器Vyatta,Vyatta控制器是基于开源架构Opendaylight做的二次开发,兼容opendaylight的南北向接口,南向接口支持openflow1.0/1.3、SNMP、OVSDB、NETCONF/YANG、BGP-LS/PCE-P等,各个厂商的网络设备只要支持以上这些标准的南向接口,均可被Vyatta控制器管理。
Brocade SDN Controller 2.0的升级重点提升了对OpenStack的支持,例如,加强开放虚拟交换机数据库(OVSDB)接口和OpenStack Modular Layer 2插件(通过了Red Hat的Juno发行版的认证),让云供应商可以完全使用开放堆栈来管理自己的数据中心基础架构。除此以外,2.0版本在用户界面、扩展和稳定性上也进行了强化功能,包括React.js图形用户界面+更简单的安装,以及改进的OpenDaylight集群等,以满足数据中心对更高的互操作性和编排能力的需求。
伴随着SDN Controller 2.0的发布,博科同时新发布了两个SDN应用,Brocade Topology Manager是一个免费SDN应用,显示发现的网络拓扑,让管理员可以创建一个节点列表,并方便地搜索节点。Brocade Flow Manager扩展了Brocade Topology Manager的功能,让用户可以查看网络拓扑并与之互动,根据端到端的流量视图,使用近乎实时的信息来执行网络工程和网络分区。此外,新的Brocade SDN Controller支持近期发布的Brocade Flow Optimizer,可以智能地管理流量并主动缓解网络攻击。
在1.0版本中,博科同样发布了配套的两个应用,一个是针对Volumetric Attack容量耗尽攻击防护的应用VTM(Volumetric Traffic Management),另外一个是提供拓扑感知和路径优化功能的Path Explorer,博科中国区技术经理谷增云表示,用户也可以通过REST API自己定义相应的APP来满足个性化的需求。
Brocade SDN Controller让企业和电信服务提供商无需投资昂贵耗时的硬件采购或软件集成就能探索并审视他们的SDN用户应用。谷增云表示,Brocade SDN Controller依然可免费在一个非生产环境中最多管理五个物理或虚拟网络节点,并包含60天免费的博科技术支持。
SDN控制器是整个SDN网络的大脑,也是连接基础网络层和上层应用的中枢,南向来看,控制器提供或者遵循多种协议,用于和不同的软硬件网络设备进行通讯,下发配置以及对一些厂商特定的功能进行实现。而对于应用层而言,控制器的最大作用是把各种各样的协议和配置语言抽象成Rest API,给上层应用提供标准化的接口,所以无论是客户还是厂家开发上层的应用都不需要在和各种复杂的协议对话,而是和控制器平台对话,这就使应用可以做到和厂商解绑,自由的调用和部署自己需要的功能。
据介绍,Brocade SDN Controller可以与博科MLXe、VDX、ICX、vADX和vRouter系列产品以及流行的第三方网络基础架构设备互操作。由于博科完全基于开源架构开发了Vyatta SDN控制器,并且把所有对于控制器的改善都贡献到开源项目中去,而且博科的应用是不独占的,可以在任何ODL平台运行。谷增云相信,在开源里面厂商和用户可以进行一个可持续发展的生态系统。
近年来,博科对SDN投入较大,博科的SDN解决方案融合了开源控制器、软件、硬件,从而形成了一套完整并且开放的解决方法。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。