2020年2月14日,北京——IBM正式宣布,IBM Z和IBM LinuxONE已经可以全面支持Red Hat OpenShift容器平台。红帽(Red Hat)是混合云和企业级Kubernetes的领导者,已有1000多家客户使用红帽OpenShift容器平台。随着OpenShift 对IBM Z和LinuxONE的全面支持,容器和Kubernetes组成的敏捷云原生世界,将因IBM企业服务器的安全特性、可伸缩性和可靠性的加持,而如虎添翼。
IDC研究总监Gary Chen表示:“容器是新一代的软件定义计算,企业可以利用容器加速自身的数字化转型。IDC估计目前有71%的企业正在实施或者已经在定期使用容器和编排,并且IDC预测,全球容器基础设施软件的5年复合年增长率将达到63.9%,到2022年收入将超过15亿美元。”
不管是对混合多云还是企业计算而言,IBM Z和LinuxONE对OpenShift的全面支持都是一个重要的里程碑。OpenShift支持一次构建以及任意环境部署的云原生应用,如今则扩展到IBM Z和LinuxONE企业服务器上。这是 IBM 与红帽开发团队共同协作,并与早期客户密切探讨的成果。
如今,企业都希望以更快和更高效的方式将业务创新成果推向市场。容器可以将应用及其软件依赖项封装在一起,而Kubernetes可以提供功能强大的工具,用以管理大量容器并编排整个应用生命周期。
OpenShift则将Linux、容器和Kubernetes的核心开源技术相结合,增加开发人员工具和注册表等其他开源功能,并对用于企业生产的软件进行强化、测试和优化。
IBM Systems还与IBM Hybrid Cloud携手绘制了将企业软件生态系统引入OpenShift平台的可靠路线图。IBM Cloud Pak将关键的IBM和开源软件组件打包在一起,帮助实现更快的企业应用开发与交付。今天,IBM也同时宣布IBM Z和LinuxONE将支持IBM Cloud Pak for Applications,以支持企业实现现有应用的现代化和构建新的云原生应用。此外,正如去年8月宣布的,IBM还计划为IBM Z和LinuxONE提供额外的Cloud Paks功能。
通过将Red Hat OpenShift和IBM Cloud Paks的敏捷性和可移植性与IBM Z和LinuxONE的安全特性、可伸缩性及可靠性相结合,企业将拥有构建全新云原生应用的工具,同时也可以实现现有应用的现代化。在IBM Z和LinuxONE上部署Red Hat OpenShift和IBM Cloud Paks,不仅可以增强核心优势,还能带来以下益处:
IBM Z/OS Cloud Broker可以帮助OpenShift应用与IBM Z上的数据和应用进行交互。IBM z/OS Cloud Broker是首个通过更广泛的开发社区提供z/OS服务访问的软件产品。
在IBM Z和LinuxONE上使用OpenShift的客户还可以授权IBM Cloud Infrastructure Center来管理基础架构集群。Cloud Infrastructure Center是一款基础设施即服务(IaaS)产品,可简化基础设施管理,支持IBM Z和LinuxONE上基于z/VM的Linux虚拟机。
作为此次重要发布的补充,IBM还为您整理了如下资源作参考:
2020年上半年,IBM还将在SHARE、Red Hat Summit和IBM Think等一系列活动中,进一步探讨拥有面向IBM Z和IBM LinuxONE的Red Hat OpenShift与IBM Cloud Pak的企业混合多云环境,敬请关注。
IBM认为,Red Hat OpenShift对IBM Z和LinuxONE的支持对于企业级计算平台和混合多云来说,都是一个激动人心的时刻,因为它将两者紧密地结合在一起。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。