在多云环境下,安全可靠的远程管理对于管理复杂地理分布式网络基础设施的全球组织至关重要。全球托管主机和云服务提供商Hyve Managed Hosting声称,通过先进的网络管理解决方案,已经"显著"减少了网络停机时间,加快了响应速度,并降低了外部技术支持相关成本。
据称,整个基础设施的运营收益是通过部署Opengear的智能带外技术实现的,具体采用了带4G LTE故障转移功能的ACM7000和IM 7200设备。
Hyve Managed Hosting的业务遍及欧洲、美国、亚洲和非洲的35个国际站点。该网络项目始于Hyve工程团队在没有现场技术人员的情况下访问网络部分区域的复杂性挑战。简单的配置错误可能会将工程师锁在网络设备之外,并可能影响响应时间或服务连续性。
为了应对这些挑战,Hyve需要一个安全可靠的远程连接解决方案,用于网络管理的每个阶段,从初始设置、零日配置和部署到升级和持续故障排除。
为了使新系统符合自身的安全性、弹性和可扩展性要求,Hyve实施了Opengear的远程管理解决方案,该解决方案内置蜂窝连接功能。所有Opengear设备都在Hyve英国总部进行配置,然后在全球范围内部署。
自实施以来,Hyve的Opengear安全远程访问解决方案即使在主网络连接失败时也能提供对关键网络基础设施的不间断访问,直接提升了Hyve客户的网络正常运行时间。从Hyve英国总部进行的集中配置和部署也最大限度地减少了对本地技术支持和维护访问的需求,优化了全球服务成本。
该设置使Hyve的工程团队能够远程解决以前需要现场人员处理的问题,如配置错误。据称,这"大幅"加快了客户响应时间,提高了全球服务连续性。
在评论迄今为止的部署情况时,Hyve技术团队负责人Roberto Bello Hurtado表示:"拥有Opengear的带外解决方案对我们团队来说非常宝贵。知道我们可以从任何地方访问网络设备,这让我们安心,并使我们能够有效支持全球基础设施。"
Opengear总裁兼总经理Patrick Quirk补充说:"Hyve经营着一个全球业务,停机不是选项。通过部署始终在线的安全远程管理,它将弹性置于增长策略的核心。随着行业面临不断增加的故障和更大的复杂性,Hyve不是在被动应对,而是在引领。"
展望未来,随着全球扩张,特别是在美国的扩张,Hyve计划通过Opengear的Lighthouse软件进一步增强其网络弹性。据称,Lighthouse的功能旨在进一步提高效率,并为增长提供面向未来的基础。
Q&A
Q1:Opengear的智能带外技术是什么?
A:Opengear的智能带外技术是一种网络管理解决方案,具体包括ACM7000和IM 7200设备,配备4G LTE故障转移功能,能够在主网络连接失败时提供对关键网络基础设施的不间断远程访问。
Q2:Hyve如何通过Opengear减少网络停机时间?
A:Hyve在全球35个站点部署了Opengear设备,实现了安全可靠的远程连接。工程师可以远程解决配置错误等问题,无需现场技术人员,从而大幅加快响应速度,减少网络停机时间,提高服务连续性。
Q3:Lighthouse软件有什么作用?
A:Lighthouse是Opengear的软件解决方案,Hyve计划用它来进一步增强网络弹性。该软件的功能旨在提高运营效率,为公司的全球扩张提供面向未来的技术基础。
好文章,需要你的鼓励
Meta宣布将向云端AI基础设施供应商CoreWeave追加210亿美元投资,以跟上竞争对手的AI发展步伐。此前,Meta已于去年9月与CoreWeave签订142亿美元合同,新协议将服务期延伸至2027至2032年。CoreWeave运营着大规模数据中心网络,配备大量英伟达GPU芯片。Meta今年AI基础设施总预算高达1150至1350亿美元,并新设超智能实验室推进前沿模型研发。CoreWeave同日宣布将额外融资30亿美元,用于扩建数据中心。
Alaya Studio联合多所顶级大学开发的"生成式世界渲染器"实现了虚拟游戏画面与真实视频间的双向转换。该系统通过从《赛博朋克2077》和《黑神话:悟空》收集400万帧高质量数据,训练AI理解材质、光照等视觉要素。创新的ReShade数据采集技术和VLM评估方法解决了传统合成数据的局限性,在材质识别和场景编辑方面取得突破性进展,为游戏开发、影视制作和创意设计提供了强大工具。
微软宣布自5月1日起,Windows 365云电脑价格下调20%,旨在降低中小企业的使用成本。此次调价伴随体验变化:用户断开连接后云电脑将保持运行一小时,超过一小时后重新连接需等待从休眠状态恢复。目前Windows 365商业版提供三档配置,月费分别为31、41和66美元。Gartner预测,到2027年将有20%的员工以云电脑为主要工作终端,微软此举意在扩大市场份额。
北京大学等机构联合发布DataFlex框架,这是首个统一的数据中心化动态训练系统。该框架让AI训练从"填鸭式学习"升级为"智能化学习",通过动态数据选择、配比调整和权重分配,显著提升模型性能和训练效率,同时保持与现有训练流程的完全兼容性。