至顶网网络频道 02月28日 编译:VMware近期推出了其NSX网络虚拟化软件最重要的一次升级。这次升级实际上是将网络与虚拟机管理程序(运行虚拟机或在软件中模拟的虚机)进行了分离。
据悉,VMware的NSX-T Data Center 2.4和NSX Cloud目前运行在AWS、微软和IBM的基础设施即服务平台上,以及VMware自身的混合云和本地产品上。
通过这次发布,VMware将完全转向混合云和多云环境。据Gartner称,到明年混合云及多云环境将在3/4的大型企业中普及。这是VMware推动所谓“虚拟云网络”战略的一部分,在该战略下,NSX本身属于“从数据中心到云端再到边缘基础设施一个无处不在的软件层”的重要组成部分,这也是VMware与思科展开竞争的关键,而思科也有类似端到端的愿景。
此外,VMware公布了抢眼的客户采用数据。VMware表示,目前已经有10000个客户站点部署了NSX,其中包括82家财富100强企业和70%的全球财富500强企业。
除了运行在主流云之上,NSX网络虚拟化平台现在还嵌入到了整个VMware产品组合中,包括VMware Cloud Foundation、VMware Cloud on AWS、VMware Enterprise Pivotal Container Service和VMware vCloud Network Function Virtualization,其也将成为Amazon最近公布的云堆栈本地版AWS Outposts中的一部分。
以应用为中心
对于拥有大型网络(越来越多地涵盖了多个云)的企业组织而言,网络虚拟化被视为一种从基于设备管理为中心,转向以应用需求为中心的视角。
NSX高级产品营销经理Jonathan Morin表示:“我们过去常常谈论‘NSX无处不在’,这次发布扩展了这一概念,但将重点从无处不在转向了每个人。我们正在将应用作为业务的中心。”
VMware网络和安全高级副总裁Tom Gillis表示,“我们的目标是让配置和管理网络的任务与在公有云中的内部部署一样简单。在公有云中,开发人员单击按钮就可以启动工作负载,这种敏捷性是由软件驱动的。我们正在为数据中心带来同样的自动化水平。”
这次发布的新版本最重要的功能之一是简化了安装,VMware表示,软件定义网络的配置时间可以从几天缩短到几分钟。使用Ansible开源配置管理工具包构建的模块,可以实现安装工作流程的自动化。此外还增加了一个基于HTML5的新用户界面,以提供说明性指导,减少完成配置任务所需的点击次数和页面跳转次数。
VMware表示,将基础设施管理转移到代码中,可以消除配置开销并让开发人员使用策略定义来处理自己的部署,从而让企业能够更快速地开发应用。Gillis表示:“安装非常简单,你以前要安装许多组件,现在只有一个。”
软件定义网络还可以让企业组织在应用层面指定策略,而不必担心配置单个设备,从而增强安全性。在异构环境中可能就有5000个防火墙规则,手动编写所有规则几乎是不可能的。NSX对这些组件的内容有着内在的理解,可以在内部部署和云端模式下应用相关的策略。
另外,网络虚拟化也改善了资源利用率,其方式与服务器虚拟化将多个处理器视为一个处理器的方式相同。Gillis说到,“客户通过虚拟化可以将设备利用率提高30%到35%。”
新推出的NSX尚未包含用于管理软件定义WAN的原生功能,但去年VMware收购了VeloCloud Networks之后,将这些功能整合到了内部。这两个产品系列将同时独立存在,但Gillis表示,“我们要将SD-WAN与数据中心产品融合在策略层中。”
好文章,需要你的鼓励
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。