基于VMware vSphere和vSAN的戴尔易安信VxRail支持任务关键型超融合基础设施环境
中国北京——2018年10月24日,戴尔科技集团宣布,基于VMware vSphere和VMware vSAN软件的戴尔易安信VxRail超融合基础设施设备获得SAP HANA生产环境认证。VxRail设备和VMware软件的认证,印证了戴尔易安信和VMware在高速增长的超融合基础设施行业中持续保持领先地位。
根据IDC的最新调查显示,在2018年第二季度,戴尔公司以28.8%的市场份额再次成为超融合系统领域的第一大厂商,同比增长95.2%。在戴尔易安信VxRail大获成功的驱动下,戴尔的增长速度超过整个行业,本季度系统销售额增长78.1%,达到15亿美元。与此同时,VMware在超融合系统软件领域中位居并列第一,收入份额达到34.1%,同比增长96.7%,是所有厂商中增长速度最为迅猛的。
戴尔易安信VxRail是业界唯一一款与VMware联合设计的交钥匙式且完全集成的超融合基础设施设备,由VMware vSphere和VMware vSAN提供支持,并且在最新戴尔易安信PowerEdge服务器上经过预先测试和配置。通过与现有VMware工具的无缝集成,这些设备是为超融合基础设施而简化VMware环境最简单、最快的方法。通过经济高效的超融合基础设施解决方案,VxRail提供了简洁的生命周期管理和可扩展性,该解决方案提供了多种计算、内存、存储、网络和图形选项,以匹配任何用例并涵盖各种应用和负载。
VMware首席运营官Sanjay Poonen表示:“客户现在可以从领先的超融合基础设施厂商戴尔易安信和VMware这里获取全面集成堆栈的运营优势,以支持其关键任务,以及对性能要求极高的SAP HANA环境。VMware很荣幸能够与全球领先的应用公司SAP合作,为客户提供更安全、更灵活的数字化基础,帮助客户增强可持续的竞争优势。”
戴尔易安信资深副总裁兼VxRail总经理Gil Shneorson表示:“戴尔易安信VxRail让利用超融合基础设施进行IT转型变得尽可能简单,以便客户采用并实现增长。随着越来越多的客户将VxRail用于核心数据中心负载,这项认证使得为内存数据库应用构建的VxRail成为SAP HANA客户卓越的超融合基础设施解决方案。”
SAP HANA技术创新网络负责人Martin Heisig表示:“SAP与VMware和戴尔易安信长期合作,共同帮助客户实现业务转型。今天这一消息凸显了戴尔科技集团和SAP所提供的技术深度和广度,使公司能够以更高的灵活性、高度可用性、更低的成本和轻松的配置来优化其SAP解决方案。”
VMware的软件已经成为集成化的数字基础架构,为企业和行业的应用程序和服务转型赋能。
很多客户已在考虑将业界领先的虚拟化产品VMware vSphere上的高可用性(HA)、容错功能(FT)与vSAN超融合软件的可适性和出色性能相结合,该认证将进一步简化超融合基础设施的运维成本,并节省了针对人工智能(AI)、机器学习(ML)、大数据、云原生、内存运算、关键任务和3D图形运算在内的各种负载上的资本支出。如今,超过60%的vSAN客户在其超融合基础设施环境中运行关键应用,如SAP NetWeaver解决方案、SQL Server、Oracle,以及越来越多的容器化和大数据负载。
SAP认证流程现已确认VMware vSphere和vSAN软件可在基于英特尔至强可扩展处理器的SAP生产环境上运行,其中包括纵向扩容和多虚拟机的场景。通过VMware和Virtustream之间的协作,vSphere还支持在四路服务器硬件上运行多达6TB的虚拟机的SAP HANA环境。
好文章,需要你的鼓励
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
YouTube为Premium会员推出AI生成的搜索轮播功能,可在购物和地点查询时显示相关视频序列。同时,此前仅限Premium用户的AI对话助手开始向美国普通用户开放,用户可通过"询问"按钮获得视频摘要和内容问答服务。该AI工具基于YouTube平台和网络信息运行,但准确性仍待观察。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。