微软已宣布与思科那公司合作,共同定义了一套被称为零信任分层光网络架构的蓝图。
在解释此次合作性质的白皮书中,两家公司指出,现代网络需要的不仅仅是简单的冗余,而是需要在每一层都融入真正的弹性工程设计。此外,他们表示,复杂光网络中的中断不仅源于硬件故障,还可能来自人为错误、配置失误、自动化故障或意外的维护影响,其中任何一种都可能使最强大的传输基础设施瘫痪。
思科那表示,光网络比以往任何时候都更加智能、快速和可编程,自动化和软件控制提供了无与伦比的灵活性和规模。
但这种进步也带来了额外的风险:一次自动化部署配置错误、光纤切断和设备故障、意外的策略更改或软件版本不匹配都可能导致整个光域崩溃。虽然这些事件不经常发生,但其影响可能很严重,确保网络设计考虑到此类事件至关重要。
零信任光业务连续性和灾难恢复架构被认为体现了这种转变,它超越了传统的备份路径,而是结合了两个完全独立的光系统——一个基于可重配置光分插复用器的传输网络和一个光业务连续性和灾难恢复层,仅在路由以太网边缘连接在一起——旨在即使在系统性故障期间也能维持不间断的服务。
微软和思科那强调该架构有四个关键优势,即:人为错误隔离、维护灵活性、零停机时间和无缝体验,以及带宽灵活性。该网络支持跨基于可重配置光分插复用器和信道复用器/解复用器系统的10G/100G/400G服务,可以确保在配置错误或供应错误期间的服务可生存性,并允许在任一域上进行计划性工作或补丁而不产生影响。
此外,当站点迁移发生时,据说流量将继续流动,业务连续性和灾难恢复层到位,确保客户的服务连续性。
总结时,白皮书强调现代网络意味着在提供最佳服务的同时为最坏情况做计划,因为对关键任务流量和应用程序的意外中断可能影响收入机会。它认为,微软的零信任光业务连续性和灾难恢复蓝图展示了如何结合思科那可重配置光分插复用器和光业务连续性和灾难恢复服务,以实现"无与伦比"的城域弹性,将焦点从信任任何单一系统转向信任一种能够预测和吸收任何规模故障的设计。
思科那强调,通过结合基于成熟光子层技术的可重配置光分插复用器和信道复用器/解复用器固定滤波器光子网络,该架构可以提供一种创新方法,以提高网络对可能由于自动化或人为错误而发生的维护和操作中断的弹性。
该公司补充说,拥有业务关键流量的组织可以采用这种分层架构作为其下一代传输网络战略的一部分,在城域网络中的位置之间提供高度弹性的连接或业务连续性和数据恢复服务。
Q&A
Q1:什么是零信任光网络架构?
A:零信任光网络架构是微软与思科那合作开发的一套网络设计蓝图,它结合了两个完全独立的光系统——可重配置光分插复用器传输网络和光业务连续性灾难恢复层,旨在即使系统性故障期间也能维持不间断服务。
Q2:这种架构能解决什么问题?
A:该架构主要解决现代光网络面临的复杂中断问题,包括人为错误、配置失误、自动化故障、意外维护影响等。它提供人为错误隔离、维护灵活性、零停机时间和带宽灵活性四大优势。
Q3:哪些组织适合采用这种架构?
A:主要适合拥有业务关键流量的组织,他们可以将这种分层架构作为下一代传输网络战略的一部分,在城域网络中提供高度弹性的连接或业务连续性和数据恢复服务。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。