vGPUs、边缘与自动化容器成为第17个版本中的核心焦点。
OpenStack的第17个版本已经向我们走来。
这套"Queens"版本发布于3月1日,其中最重要的新功能就是在Nova虚拟化模块当中支持虚拟GPU。
对于OpenStack用户而言,虚拟GPU的加入在一类特定环境当中极具现实意义:即用于管理硬件及软件加速资源的“Cyborg”框架。Cyborg负责处理GPU与其它多种硬件,例如FPGA、CryptoCards或者DPDK/SPDK等快速数据包处理库。
另一项值得关注的补充则为“Zun”,这个全新OpenStack项目负责提供容器服务,旨在通过与Neutron、Cinder、Keystone以及其它核心OpenStack服务相集成以实现容器的快速普及。通过这种方式,OpenStack的原有网络、存储以及身份验证工具将全部适用于容器体系,从而确保容器能够满足安全与合规性要求。
容器用户可能也会爱上新推出的Kuryr CNI守护程序,其允许Kubernetes优先以自动扩展(而无需进行太多K8 API调用)的方式进行微服务规模调整。
Queens版本还提供新的LOCI模块,旨在简化以容器方式部署OpenStack服务的难度。LOCI主要面向边缘计算,其能够对各OpenStack功能进行容器化转换并借此衍生出各类远程计算资源。通过之种方式,运营商(OpenStack项目中的一大关键性用户类别)将能够随时随地添加模块以更有效地使用OpenStack堆栈。
OpenStack还在stackalytics.com 网站上公布了这一最新版本的鸣谢名单。红帽公司在贡献量方面一路领先,紧随其后的则是华为。Nova最受开发者们的青睐。Andreas Jaeger与OpenStack Pike拥有最高的个人贡献量。
OpenStack Queens贡献情况图表。
如果大家在周末没有其它安排,不妨点击此处查看Queens版本的完整发行说明(英文原文)。
OpenStack的下一个版本将被称为“Rocky”,计划于2018年9月发布。另外,在今年5月,Queens版本还将在于温哥华召开的OpenStack峰会上拥有自己的讨论舞台。
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。