通过创新统一可视化矩阵 (Unified Visibility Fabric™) 架构提供网络流量可视化解决方案的领导厂商Gigamon (纽交所代码: GIMO)日前宣布将推出市场领先的GigaVUE-OS™ 软件,可运行于精选的第三方“白牌”硬件之上,该软件的推出是对Gigamon产品线的有效拓展。此款新产品将助力网络规模数据中心运营商优化采购流程,扩大监测范围和规模,同时保障运营商可以从Gigamon矩阵获得可视化的功能性、灵活性和规模。
随着网络安全威胁的数量和复杂性的不断增加,虚拟化基础架构中分布式应用程序的部署以及封装和加密流量所带来的潜在“盲点”不断增多,实现全面流量可视化对企业正变得日益重要。过渡至下一代网络架构如软件定义网络 (SDN) 和网络功能虚拟化 (NFV) 都迫切需要全面的可视化。
作为Gigamon 产品组合的新成员,GigaVUE-OS™ 软件可以和现有可视化矩阵组件实现无缝运行,助力客户选用适合其架构边缘的整体解决方案,如果客户在战略及资源方面条件允许,就可以采用Gigamon软件来驱动白牌边缘硬件。但不管客户选择哪种方法,都可以借助Gigamon高度智能的、可扩展及灵活的矩阵,仅用普通操作模式便可实现对整个架构从核心到边缘的全面可视化。可视化矩阵边缘代表架构中的某处位置,在此处使用由GigaVUE-OS驱动的白牌硬件是一个相关且适当的方案,矩阵核心将继续整合计算和连接性以提供深层的线速流量监测和分析,满足专用设备的规模和性能需求。
Gigamon产品线管理副总裁Ananda Rajagopal表示:“随着服务于白牌平台的GigaVUE-OS的发布,Gigamon实质上是把可视化架构的边缘层扩展到更高容量,即数据中心运营商所说的‘分流所有数据’。通过集中矩阵管理器来操控整个可视化基础设施,这为运营商利用软件定义可视化实现真正意义上的主动式可视化奠定了基础。”
GigaVUE-OS™可以兼容开放网络安装环境 (ONIE) 引导加载程序 (Boot Loader),可以允许多个操作系统使用同一底层硬件。作为该项目的一部分,GigaVUE-OS将率先通过世界领先的两大白牌供应商QCT (Quanta Cloud Technology)和Agema Systems, Inc.公司的认证,与其精选硬件实现互操作。
Gigamon的这一最新计划,深受客户和行业分析师好评:开放网络用户组 (Open Networking User Group, ONUG) 联合创始人及联合主席Nick Lippis表示:“Gigamon采取了一种创新的方法来支持开放网络的重要组成部分白牌硬件。通过支持白牌硬件中的GigaVUE-OS软件并以整体的方式管理白牌机和整体解决方案,Gigamon此款新产品解决了网络规模IT企业正在寻求扩展其数据中心基础设施可视化范围的一个重要难题。”
Intuit高级网络工程师Ted Turner表示:“Intuit很高兴看到可视化市场领导者Gigamon可以将其丰富的可视化解决方案拓展至白牌硬件。Gigamon是唯一一家在可视化领域中给客户提供白牌边缘节点和全套边缘节点方案的供应商。结合其高度智能化核心节点和集中矩阵管理器,Gigamon解决方案为如Intuit这样的需要以有效成本拓展其可视化范围到一个通用操作软件平台的企业提供了一个有力证据。”
QCT总经理 Mike Yang表示,“在网络规模数据中心中,裸机 (Bare metal) 方案方兴未艾。那些采用QuantaMesh 系列白牌交换机的客户,现在可以很轻松的将GigaVUE-OS可视化软件整合其中,从而将丰富的可视化扩展至其基础设施的每一个机架 中。”
Agema System, Inc. 销售副总裁 Nick Milo表示,“随着数据中心的扩展,运营商需要在网络边缘实现丰富的可视化。Agema Systems, Inc. 是领先的数据中心重要白牌机架方案提供商,其世界级的硬件与Gigamon市场领先的可视化软件相结合,可以确保采用白牌硬件的用户实现对其基础设施的丰富可视化。”
在推出的第一阶段,GigaVUE-OS将以永久软件许可证的方式提供,安装于QCT精选裸机硬件之上。其beta试用版将于本月推出,并计划于2015年4月全面上市。更多信息,敬请点击www.gigamon.com/products/gigavue-os-white-box 。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。