ZD至顶网网络频道 12月06日 综合消息:由于下一代超融合很难去定义,许多公司都声称他们的产品是 “超融合” 型产品,但这些产品都有不同的功能和缺陷,结果就是:完全没有可比性!那么下一代超融合的标准到底是什么?
身处 IT 圈想必你对 “超融合” 这个词一定不陌生,第一代超融合产品只是超融合领域的初步尝试,举例来说,其不足包括:扩展效率差、数据优化不充分、工作负载支持少,不但存在性能缺陷、安全风险,还会形成新的管理孤岛……
有不足才有进步!这不,性能更加完善的下一代超融合系统应运而生!!
可是,由于下一代超融合很难去定义,许多公司可能声称他们的产品是 “超融合” 型产品,但这些产品都有不同的功能和缺陷,结果就是:
如何辨别?今天小编拿起 “正义” 的小旗,告诉你 6 大标准,刷新你对 “下一代超融合” 的认识!
1 互通性
下一代融合需要与 IT 组织现有的和未来部署的数据中心实现完全集成和互操作。它必须具备以下特性:
2 自动化数据优化
为简化存储部署,数据优化需要实现自动化,且无需调优或配置;数据应跨集群中的节点实现条带化,自动放置在各个层中,以提高性能,同时降低成本;无间断重复数据删除和压缩应减少所需的存储量,帮助增加超融合解决方案的成本效益。
3 广泛的工作负载支持
企业级工作负载有各种不同的基础设施要求,下一代超融合必须支持所有虚拟机监控程序、容器化环境和裸机工作负载。基础设施必须能够快速、轻松地向上和向下扩展,以支持变幻莫测的工作负载需求。
4 基于策略的安全性
下一代超融合环境应有自动化、基于策略的安全性。策略应定义允许在应用层之间进行的交互,并且应安全隔离不同的应用实例和租户。
5 完整的基础设施融合
所有资源都应为软件定义,包括计算、网络和存储资源,甚至是集群的软件。计算资源必须可通过软件组合,这样,应用本身才能创建它们增长所需的硬件结构。软件定义网络功能不仅是支持复杂的大型集群所需的,也是安全隔离不同的租户和应用所需的。下一代超融合还要求通过统一控制平面和允许从其他工具(包括集群的应用)进行访问的 API 对集群的整个基础设施进行集中化、零接触管理。
6 灵活精确的拓展
超融合基础设施应能够灵活扩展,允许 IT 组织通过将新节点连接到集群,即可轻松添加资源。资源应通过单击即可被自动识别、集成到集群和投入使用。通过这种方法,集群可快速、轻松地扩展,使 IT 组织能够快速响应瞬息万变的资源需求。
为了更直观的展示下一代超融合的特征和优势,与第一代对比图,拿去拿去!
第一代超融合 VS 下一代超融合
--看来 “下一代超融合” 的标准还是很高的!想要全部达标也是一项挑战啊!
不过,既然存在挑战,就一定存在完成挑战的强者!比如说?思科!--
思科设想的超融合远景不仅支持虚拟化应用,还支持位于操作系统容器和裸机服务器上的应用,所有应用共享集群软件创建的坚实平台,并且将高可用性数据引擎和企业级功能整合在一起——
那么思科提出了哪些产品来支撑其愿景?听听行业大咖——思科资深顾问工程师张亦安的回答!你可按照下方参与方式,参与到正在火热进行的思享家 “HyperFlex” 微话题中~
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。