由物联网、云、视频等引发的网络流量增长给企业数据中心和广域网带来了不小的压力,为满足网络流量指数增长预期,博科近期宣布推出新一代数据中心路由解决方案Brocade SLX 9850,它采用可扩展和端口高密度设计,一方面提供了高性能的网络矩阵容量,另一方面SLX 9850一系列的网络创新特性也满足了数字时代对网络基础设施的需求,例如网络可视化和网络自动化等。
博科中国区技术经理谷增云在Brocade SLX 9850发布沟通会上表示,“除了满足未来网络容量的增长,保护企业投资外,未来的网络还要解除对业务敏捷性的束缚、提高SLAs和运营效率。”
通过独特的软硬件创新组合,SLX 9850路由器嵌入Brocade SLX Insight Architecture,提供普遍的网络可视性,通过智能便捷地获取网络流量,可以快速发现网络问题、满足关键SLAs。SLX 9850还采用了Brocade Workflow Composer,以提供基于服务器、DevOps风格的网络自动化。
提高业务敏捷性
新的网络可视性是SLX 9850进行的一项革新,以往管理员要抓取业务流量往往是一项复杂的工作,设端口镜像、PC连接才可以导出,另外交换机的速率和PC速率不匹配也会增加工作的复杂度。现在,Brocade SLX 9850提供了一个独立的控制模块,其上的虚机可以安装任何第三方分析工具,这个虚机到每个板卡都有一个10G的接口,这样可以实时地对数据进行抓包,并方便地进行网络监测与故障排除,“这是博科和别人做得不一样的地方。”谷增云说。
这个功能是由Brocade SLX Insight Architecture实现的,它包括一个基于开放内核的虚拟机(KVM)环境,用于运行第三方和客户的具体监测、故障排除和分析应用。其灵活的流选项,用于把捕捉的数据带内和带外流交付至分析应用。
提高SLAs与运营
Brocade SLX 9850还提供了Dev-Ops风格的网络自动化,它由Brocade Workflow Composer演化而来,Dev-Ops的方法消除了跨功能孤岛,便于网络和所有其它域以编程方式参与到整个服务交付链中,进而实现按需服务交付和业务敏捷性。BWC是一个专为满足这些需求而设计的独特网络自动化平台,可帮助跨域工作流程桥接孤岛,提高业务敏捷性。
Brocade Workflow Composer现在支持SLX 9850并提供交钥匙式、可定制的DIY网络工作流,让客户按照自己的步调实施自动化。
高容量、高性能、高缓存
在性能和容量上,Brocade SLX 9850提供了230 Tbps非阻塞机箱矩阵容量,具有行业领先的10/40/100 GE价格和每个刀片密度。通过专为最高的密度和规模而设计的独特1.5 RU模块化线路卡,SLX 9850可以支持最多400万个路由器、200万全彩色统计和200万策略,以满足目前和未来以指数增长的带宽、设备和服务。
另外,SLX 9850提供了高达36G的大路由缓存,缓存能力是衡量路由器QoS能力的重要指标,要求路由器在网络流量突发的情况下,发挥最高网络性能。谷增云说,“SLX 9850 36G的缓存,如果每个端口打满流量,可以缓存100毫秒报文,它还行业里缓存是最大的。”
SLX 9850还采用无背板设计,解除背板对容量提升的限制,增加容量无需换机箱,增强扩展性。
目前,Brocade SLX 9850已经在阿姆斯特丹互联网交换中心(AMS-IX)得到部署应用,支撑其以节约成本、空间和能源的方式大幅提高100 GbE服务的数量和密度,同时为未来的平台扩张留出了庞大的空间。
好文章,需要你的鼓励
五家光学存储初创公司正在开发长期存储技术,旨在用超过100年寿命的光学介质替代只有5-7年寿命的磁带。这些公司包括Cerabyte、Ewigbyte、HoloMem、Optera和SPhotonix,它们的技术类似微软Project Silica项目。光学存储介质具有更强的化学、冲击、辐射、水和热抗性,同时保持低能耗和高容量特性。
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
Nutanix发布分布式主权云产品组合更新,为多云环境提供更安全的运营和管理功能。该解决方案支持企业在分布式环境中灵活部署和治理基础设施,运行传统虚拟机、现代云原生和AI应用。新功能包括支持完全断网环境的暗站点管理、政府云集群正式发布、Kubernetes平台增强安全合规性、企业AI平台集成NVIDIA微服务,以及云平台新增跨站点灾难恢复能力,为用户提供统一管理和运营简化体验。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。