为了能够满足下一代网络的需求,管理系统必须具有可扩展性、动态性以及智能化。专家Lee Doyle表示,SDN监控工具可以实现这些要求。
对很多企业的IT组织来说,对端到端网络的管理的挑战在不断增长。分布式网络元素、IT孤岛,以及数据中心网络虚拟化,这些使得从应用程序到终端用户的流量跟踪和解决网络中断问题越来越难。
软件定义网络(SDN)技术可以扩展监控平台,确保它们能够处理如今的大规模复杂网络流量。管理系统必须能够动态适应IT环境中的各种变化,包括物理和虚拟基础设施中所有的应用程序更新或变化。SDN监控工具可以满足这些需求,同时还能捕捉并分析这些大数据流量,识别可操作的信息。对于网络中断问题,下一代网络管理平台就像是大海捞针,找出问题,然后为网络管理员提供一个明确的下一步解决方案。
云计算和SaaS阻碍了端到端的可视性
大型数据中心和基于云的应用程序的出现,使得IT应用环境更复杂,并增加了对网络操作中心的依赖性。数据流量的增加和流量平台的变化增加了识别和解决应用程序以及网络性能问题的复杂性。不断增长的移动性需求(比如BYOD)更是增加了确定性能、合规性以及安全性的难度。
基于软件即服务的应用程序的数量的增长,比如Office 365、Salesforce、Lync/Skype、WebEx、Box、Dropbox等等,使得IT管理者监控应用程序性能和管理网络更加复杂。
IT孤岛带来的挑战
IT孤岛往往会掩盖整个网络的可视性。一个典型的IT组织通常有一个“多厂商”网络,这对提供端到端的管理更是增加了难度。各个供应商可能在部分给定网络方面有特殊的优势:
• 数据中心网络:思科、Arista、Juniper和F5网络公司
• 存储区域网络:博科、思科以及Emulex
• 校园网:思科和惠普
• 无线局域网:思科、Aruba以及Ruckus
• 广域网(包括路由器、广域网优化以及SD-WAN元素):思科、Juniper、Riverbed等等
• 网络安全:思科、Check Point、Palo Alto、Fortinet、戴尔等等
其中每一个供应商都有一个特定的管理系统,能够报告其部分网络的状态和性能。但没有一个网络供应商能够很容易提供整个端到端网络的可视性。
IT运营团队也有很多工具可以提供对某个应用程序或者部分网络的性能监控。很多组织甚至有6到10种不同的监控工具。IT专业人员从很多厂商中挑出了一些产品组合,并验证了其可用性:
• 网络数据包代理商:Gigamon、VSS以及Big Switch公司
• 网络性能监控:Riverbed和NetScout
• 应用程序性能监控:New Relic和Riverbed
• 网络配置和变更管理:思科和IBM
• IT运营管理:惠普和IBM
其实,这些来自多个供应商的工具组合限制了IT人员的运营效率。用户很可能会收到大量警告,限制了可操作的信息。有些产品虽然有各种各样的接口,但是通常不能一起运行。因此,IT运营团队虽然有很多工具和原始信息,但是却不能快速识别并解决性能问题。
SDN监控可以满足网络可视性需求
IT管理者需要SDN监控工具来提高端到端网络的可视性,并很容易集成到DevOps IT环境中,打破应用程序、存储、计算以及网络之间的孤岛问题。具体而言,网络管理元素应该:
• 把流量和数据关联到特定设备
• 确定网络上的用户
• 实时监测网络拓扑结构和流量
• 确定性能下降点
• 了解并管理虚拟和物理网络元素
IT运营团队需要很容易识别、隔离并且修复应用下降和中断情况,同时还要能够解决安全性和合规性问题。SDN监控平台可以满足这些企业对网络可视性的需求。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。