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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。