开源就是选择和做出选择。在2011年推出SUSE Manager的时候,我们做出的选择是拒绝走别人的老路。还有,我们的SUSE Manager基于Spacewalk项目。从那以后,我们再也没有回头。Spacewalk为我们提供了扎实、成熟的代码库,时至今日我们仍然可以根据需要对它进行现代化升级。
几年之后,Spacewalk最初的贡献者、来自RedHat的朋友们做出了不同的决定:从零开始研发他们的新一代RedHat Satellite(红帽卫星)。这意味着他们对维护和发展Spacewalk代码库的意愿日渐降低,这也让他们逐渐站到了“遗留”产品的对立面。
与此同时,SUSE Manager团队则发现了自己对Salt的热衷。我们用一个新的Twitter Bootstrap主题对SUSE Manager的网络用户界面体验进行了现代化升级,后来又加入了新的基于React JS的交互式组件。此外,我们还增加了一个新的框架用于订阅管理,并且开始将SUSE Manager与容器世界整合,增加了容器镜像构建和Kubernetes容器审计。在这个过程中,我们利用旧版Spacewalk保留了对API的向下兼容性。
SUSE Manager 3.2推出之后,我们将为虚拟机增加基于KIWI的镜像构建和可安装的Linux镜像,还有新的并且非常酷的基于Salt的PXE引导堆栈,可以让用户通过Salt完成从裸机到应用的完整物理系统的配置和安装。
这些变化当中有不少并没有进入Spacewalk项目,因为它们和项目的主要维护者日益缩小的关注点并不相融。
于是,我们不久前去找了RedHat,试图找到新的方式来管理Spacewalk项目并且同时满足双方的需求:既让他们有一个稳定的代码库可以维持RedHatSatellite5的“遗留代码”,也让我们可以在同一个框架之下进行快速创新。
最后,我们不得不承认,唯一有效的方法就是用一个新的名字让Spacewalk项目“和平分手”。
于是,Uyuni应运而生:我们在布拉格举行的openSUSE大会上发布了Uyuni,作为SUSE Manager新的上游项目。我们邀请Spacewalk社区、我们的客户、合作伙伴以及所有希望加入我们的开源支持者和我们一起为传统的软件定义的混合IT基础架构开发新一代生命周期管理。
Uyuni的开发模式将和我们的openSUSE Tumbleweed项目非常类似:我们将不断发布新的版本来接受严格的自动化测试。它不会在商业上得到SUSE的支持,也不会获得像SUSE Manager那样严格的质保和产品生命周期保障,但它不会有任何形式的减配。我们的所有开发工作都在GitHub上公开进行。
我们在很多领域都需要社区的贡献。当然,我们首先需要大家为项目的未来路线图和发展方向建言献策。
我们在增加Linux的发行版方面也需要更有力的支持(可能也包括非Linux的平台)。
如果你是硬件制造商并且希望更好地整合你的硬件自动化API和软件栈,请加入我们!
云和容器空间里数量庞大的开源基础架构项目也是一样,与生命周期管理和自动化框架整合之后也可以从中受益。
最后,我们欠另一个上游社区Salt项目太多了。我们推出Uyuni的目的之一就是促进与Salt的深层次协作。所以,任何能够改进Salt的贡献对Uyuni也有好处!
我们将尽可能与Spacewalk项目保持同步,只要它还在。但是,Uyuni是一个不断创新的项目。
如果你想了解更多信息,请阅读openSUSE新闻稿,或者通过新的项目网页公布的渠道与Uyuni团队联系。项目网页今天已经开放二进制文件下载。
我们目前仍在做代码清理工作,但是项目的源代码很快将登录GitHub并接受大家的贡献!
顺便说一句,Uyuni这个名字来自世界上最大的盐沼。取这个名字是为了致敬Salt,因为它为Uyuni的诞生做出了重要的贡献。正如最初的Spacewalk,我们几乎不受任何限制,因为Uyuni实在是太浩瀚了。它不仅让我们脚踏实地,也让我们不需要航天服和生命补给就能漫步太空。
我是JoeWerner,我在南非用博客记录生活。这里的太阳从另一侧照耀大地,证明除了一些大型盐沼之外,地球其实并不像我的标题所说的那样平。
我来这里参加开普敦和约翰内斯堡的“专家日”活动。“专家日”活动是详细了解SUSE的产品和项目的好机会!
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。