电子商务巨头的云计算平台利用ConnectX 25G以太网网卡高级卸载,支持数据中心的更多客户
Mellanox是面向数据中心服务器和存储系统的高性能、端到端互连解决方案的领先供应商,该公司宣布,京东云,一家来自中国电子商务巨头京东的全方位服务云计算平台和集成云服务提供商,采用了具有高级卸载功能的Mellanox ConnectX网卡,以提高数据中心的性能、效率、安全性并降低成本。京东云与Mellanox和Linux内核社区紧密合作,以基于ConnectX系列以太网支持的加速交换和数据包处理(ASAP2)技术,开发开拓新功能。通过利用具备ASAP2技术的ConnectX网卡,京东能够以无与伦比的性能和效率开发云原生应用、网络功能虚拟化和分布式安全。
ASAP2显著提高了软件定义网络(SDN)、网络功能虚拟化(NFV)和云部署的效率。该解决方案结合了Mellanox网络硬件加速器的性能和效率,以及基于服务器的虚拟交换机的灵活性,从而交付具有最高总体基础架构效率、部署灵活性和操作简单性的软件定义网络。京东云和Mellanox共同设计了ASAP2加速技术中最先进的连接跟踪功能,并将代码开源到Linux社区。这是一项基础技术,加速有状态软件定义的应用程序,如防火墙、负载平衡器、入侵检测和防御系统。这种先进的ASAP2技术的部署使京东能够比以前更有效、更经济地为更多的客户服务。
京东集团企业副总裁兼京东云产品开发负责人何刚表示:“基于硬件的有状态连接跟踪非常具有挑战性。京东云和Mellanox密切合作,基于Mellanox的ASAP2技术,共同设计并实现了这一功能。现在,我们的网络性能非常出色,为客户提供了更好的用户体验。通过卸载网络数据包处理,ASAP2技术释放了CPU资源,不再需要处理每个数据包。相反,几乎所有的CPU周期都可用于运行应用程序。最终结果是,我们的客户可以获得更好、更可预测的应用程序工作负载性能,同时实现更优的安全性、可扩展性、效率和成本节约。”
Mellanox Technologies业务开发和最终用户销售高级副总裁Amir Presche谈到:“总体基础架构效率、操作简单性和部署灵活性是设计ASAP2的指导原则。通过与京东云开发团队的合作,我们能够挖掘我们网络技术的潜力,并提高京东云数据中心的性能和效率。其结果是京东云能够在降低成本的同时提供更好的客户体验。”
Futuriom创始人兼首席分析师Scott Raynovich表示:“云中硬件加速虚拟交换的部署证实了我们在最近的高效数据中心调查中所表达的需求。IT经理和云架构师将克服虚拟化性能的损失作为他们最大的挑战。使用Mellanox NIC等高级网卡卸载CPU并加速虚拟化和安全处理是实现无损性能的关键。”
新一代 SDN、NFV和云原生计算技术正在推动应用实例的极限,这些实例可以在虚拟化和容器化的服务器基础架构上高效、安全、快速地打包。此外,多个微服务、应用程序和租户的共存需要更有效的底层网络结构。基于虚拟机管理程序的虚拟交换和路由软件实现了敏捷性和灵活性,但面临服务器内性能低下、可扩展性差和CPU开销较高的困扰。随着云基础架构从10 Gb/s的网络连接过渡到25 Gb/s和100 Gb/s,越来越多的数据和I/O密集型应用需要此类连接,这些问题变得越来越严重。
Mellanox ASAP2解决方案通过将虚拟交换机数据路径操作卸载到ConnectX网卡和BlueField智能网卡 以正面应对这些挑战。这两款产品系列都有流水线式的可编程硬件加速器,可执行大规模智能流程处理和连接跟踪。借助Mellanox连接跟踪安全技术,用户能够以线速保护主机免受攻击。此外,为了简化部署,透明加速,即虚拟交换机控制平面、SDN控制器接口和云管理平台均保持不变。ASAP2通过简化I/O操作,以最低的CPU影响和最具成本效益的方式优化网络应用程序性能。这使客户能够最大限度地利用资源运行应用程序工作负载,而不是网络I/O处理。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。