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
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
Google DeepMind团队发布了EmbeddingGemma,这是一个仅有3.08亿参数的轻量级文本理解模型,却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一,支持250多种语言,特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术,实现了性能与效率的完美平衡,为AI技术普及化开辟了新路径。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
日本奈良先端科学技术大学等机构首次深入研究AI编程工具Claude Code在真实开源项目中的表现。通过分析567个代码贡献,发现83.8%被成功接受,54.9%无需修改直接使用。AI擅长重构、测试和文档工作,但需要人工修正bug处理、代码风格等问题。研究揭示了AI编程工具的实际能力边界和改进方向。