全球有数十亿人在使用Facebook服务,因此Facebook一直被迫开发自己的网络基础设施以应对庞大的负载,因为在别处找不出能够满足这样需求的系统和技术。不仅如此,Facebook在分享技术开发、开源技术组件方面也由来已久,这让其他公司也可以使用和改进这些技术以便更多人受益。
今天,Facebook宣布开源其最新打造的“转发平面软件库”,这个组件为Facebook基础设施中使用的网络负载均衡器提供动力。负载均衡器用于将网络和应用流量分布到多个服务器上,以提高容量和可靠性。
Facebook最新的工具名为Katran,这是一款基于软件的负载均衡工具,据称它能使后端网络基础架构更加可靠和可扩展。Facebook以前依靠基于硬件的系统在其网络上执行负载均衡,但这个系统比较老旧不够灵活,无法处理日益增长的负载和最新服务。
据说Katran利用内核工程方面的两项最新创新技术,即eXpress Data Path和eBPF虚拟机,使其后端服务器更加灵活,同时也让网络平衡更加高效。
Facebook工程师Nikita Shirokov和Ranjeeth Dasineni在博客中写道:“我们相信Katran为那些打算利用XDP和eBPF这一激动人心的组合来构建高效的负载平衡器的用户和企业组织提供了一个出色的转发平台。”
除了Katran之外,Facebook还公布了Zero Touch Provisioning新工具的详细信息,工程师利用这个网络配置系统来自动构建骨干网所需的非物理工作。该工具是为了针对网络工程师对网络基础设施进行手动检查和测试的有限可用性而开发的。Zero Touch可以实现大部分工作的自动化,让工程师可以将更多时间花在那些无法实现自动化的任务上。
“我们以前的网络配置系统被证明无法应对构建这些网络的规模和复杂性,因此我们自己打造了全面的、灵活的工作流程系统,配备了Zero Touch Provisioning,”Facebook的工程团队在另一篇博客文章中这样写道。“这个新框架让Facebook工程师能够加快步伐,更有创意地解决问题,并采取更加迭代的方式来构建他们的网络和网络部署工具。”
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。