至顶网服务器频道 09月04日 新闻消息:自OpenStack Pike发布以来,OpenStack基金会一直专注于简化该基础性软件定义网络环境的上手难度,同时确保其更适合于所处的微服务发展环境。
OpenStack基金会执行董事Jonathan Bryce在谈及有关此次发布内容时表示,用户已经习惯将OpenStack视为提供单一性质的解决方案。
对此,Jonathan Bryce解释称,如同以往组成OpenStack的元素过于单一,那么从现在开始,其面貌将迎来显著转变:OpenStack“将提供多种不同服务,具体包括计算、存储、网络、裸机与数据中心功能的访问方式等等。”
Bryce同时补充道,与OpenStack同步发展的,诸如Kubernetes、Docker、OpenFlow与TensorFlow等技术均已出现并成熟。而用户则期望自己的OpenStack环境能够与这些技术顺利结合。
因此,该基金会在本次Pike发布会上突出展现的“可组合性”正是为了表明如何利用这一思路改善该服务的使用方式。
Ironic裸机服务与Cinder块存储、Neutron网络能够更轻松地实现集成。Cinder目前已经能够将虚拟机、裸机系统或Docker/Kubernetes容器拆分为独立的存储服务。
Ironic现可直接插入Neutron网络,对此,该基金会表示这种能力对于多租户云端产品而言尤为重要。
Cinder块存储服务由于添加了“恢复快照”功能而得以改进,意味着其可更好地完成数据恢复任务。另外,用户亦能够在不需要关闭虚拟机的情况下扩展其存储分卷。
Bryce表示,发布会的第二个“大主题”即是Pike反映了更为成熟的部署态度。“用户的关注重点已然从‘如何安装OpenStack以构建初始云?’转化为‘如何在整个云生命周期当中实现持续运行?’”
很明显,用户目前更关注云的生命周期问题——“如何处理扩展、升级并管理故障等一系列云生命周期内常见的运营任务”。
Bryce表示,将OpenStack视为微服务的集合,让用户能够更有效地创建云体系;而在需要升级时,微服务模型则允许管理员通过A/B测试实现滚动更新。
实现OpenStack容器功能的两大主要工具分别为Kolla与Helm。
Kolla在Pike版本的开发者用户群体中更受欢迎,其较OpenStack Octata发行版的开发者支持率高出19%。而Helm(Kubernetes的封装管理工具)目前已经成为了一项“OpenStack服务的完整生命周期技术”。
再见,Python 2
OpenStack开发社区对于即将被弃用的Python 2.x语言系列也表现出了相应的关注。尽管距离其被弃用还有一段时间(于2020年到期),但目前已存在许多可将其代替的代码成果。
Bryce对于OpenStack的众多开发人员能够面向Python 3.5实现Pike筹备的能力深感自豪,并表示“用户将不会背负大量技术债务,也不会依赖一种已被弃用的程序语言运行进程。”
“对于监管行业的用户而言,最重要的则在于能够获得明确的安全性、可管理性并配合适当的标准。”
Pike发布会中的其他重点还包括对Nova Cells v2的增强; OpenStack分布式锁定管理解决方案的etcd
v3的推出;以及Swift对象存储现已支持全局分布式代码擦除,这意味着各单一服务区将能够在多服务区网络关闭时继续发挥作用并确保单一服务区内的故障可通过使用远程服务区方式进行恢复。
Bryce表示由于整体云环境并非静态,因此对Cells v2的研究仍在进行中。OpenStack中有相当一部分用户群体面临着如何将云扩展至足够大的规模这一核心挑战——即怎样支持“数以百计的物理服务器”。
对此,Bryce解释称:“相关问题在每个发布周期都会发生变化。”
“Cells v2是一款用于扩展虚拟化环境的基础性重构方案。”
“因为您不可能构建起一套能够满足所有人需求且规模可观的虚拟化环境,所以大家需要采用合理的模块对其进行扩展。”
另外,并不是每个人都能够以相同的方式看待这些模块——对于网络而言,可能实际着眼点在于环境中可以容纳的IP地址数;而对物理机器与虚拟机而言,具体需求又各不相同。
Bryce表示,Cells v2所涵盖的理念在于允许用户分割其虚拟环境,且其中每一个分区都能够了解其他分区的细节,以确保其能够实现“智能对话”。
“Cells v2项目已经推进了约一年半时间,且可能在未来几年内得以全面实现。”
Bryce表示,Pike的关注点在于公开横向扩展功能:“每个OpenStack Nova实例都由Nova Cell开始,此后您将能够在该环境中添加额外的Nova单元,从而实现横向扩展与负载均衡。”
最后,Bryce总结称,Pike的出现无疑代表着OpenStack社区里一项巨大的成功。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。