通常,虚拟化讨论的范畴是通过虚拟机划分并行但与运行环境无关的大型同类微处理器。但是从广义上来看,虚拟化还可以表示替代原有服务,一般是部署在本地服务器或基于物理网络基础架构上,但即使云中分配的服务也可被取代。
那么,问题来了:对于企业和网络运营商而言,有多少物理网络基础架构可以按照这种方式进行虚拟化?
答案是:几乎所有东西都可以虚拟化。事实上,网络功能虚拟化这个术语恰恰就准确地描述了我们这里所指的问题。显然,在虚拟网络基础架构流行之前,还有一些问题需要考虑,但实际上考虑这些问题没太大必要。
使用云网络,或是网络即服务如何?两者都可以。我敢打赌这是所有环境所有网络的最终归属,软件定义网络将最终激励创新,并且带来很多应有的好处。
这让我想起最近一直在问客户的问题:2020年的网络将会是什么样子呢?或者更进一步,2025年的网络会是什么样子呢?
为了寻找到答案,先来看一些倍受关注的重大趋势:
看到这些影响,就很容易准确地预料到物理网络基础架构在未来10年将发展壮大的趋势。例如:
其他物理网络基础架构又会有什么变化?
所有其他的基础架构都会虚拟化和迁移到云中,包括网络管理、性能优化、分析、安全和SDN控制器本身。公有云和私有云都可以,但是选择使用公有云的会越来越多,因为公有云模式具有经济性、可靠性和按需可扩展性等内在特性。由于有了超高性能的互联网链路(10Gbps及更高速网络都将普遍应用),因此它与本地实现相比不会有明显劣势。本地设备和物理基础架构方面节省的成本可用于其他更好的战略需要。
有了这个基础之后,SDN就成为将这种愿景变为现实的催化剂和驱动力。SDN本质在于网络基础架构的基础可编程性,因此这种基础架构的差异性越少越好。
可扩展性表示可以增加更多相同的元素。同样,这些元素就是AP和交换机——基于SDN的AP和交换机,仅此而已。先进的处理器和接口本身的性能,加上SDN本身的灵活性和可扩展性,就是实现最佳网络的重要指标。
到目前为止,我们所做的工作已接近完整了。现在变化的速度已经在我们可承受的范围之内,即使是技术方面的变化也一样。比较明确的一点是,迁移到SDN已经是现代网络发展的最重要方向。再加上前面所提到的硬件功能的发展,我们很容易看到SDN作用的扩大正带来更多的好处。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。