北京,2020年6月30日——企业级混合云服务商青云QingCloud日前宣布,KubeSphere容器平台已全面升级至3.0版本。在前一个版本的基础上,KubeSphere 3.0新增了多集群管理功能,增强了可观察性和平台安全性,并进一步提升了对合作生态的支持。作为面向云原生应用的容器混合云,KubeSphere 3.0以云原生应用为中心,秉持“开源”与“开放”的原则,满足混合云常态化带来的应用上的诉求,助推企业一步跨入容器混合云时代。
随着云计算的普及,企业为了避免厂商锁定,往往采用多个云厂商的服务或者产品;也有越来越多企业采用自建私有云承载核心业务,公有云承载互联网业务的混合云模式来推动数字化转型。由于业务驱动和财务压力的双重因素,混合云正在成为主流。调查数据显示,约93%的企业正在采用多云策略,其中采用混合云的占比达到87%,混合云已经成为企业的标配。然而新的问题接踵而来,企业如何在异构平台上无缝管理、部署和迁移应用?以云原生应用为核心的容器混合云成为必经之路。
KubeSphere便诞生于云原生的诉求之下,逐渐成为面向云原生应用的容器混合云管理平台。KubeSphere是一个以Kubernetes为基础,管理云原生应用的分布式操作系统,提供一种可插拔式的开放架构,使得第三方应用可以无缝对接进来,从而形成一个可持续发展的生态系统,帮助企业一步迈入云原生时代。
青云QingCloud是混合云的先行者和领导者,公有云、私有云、托管云都是统一架构、统一体验和统一管理的,并形成了统一的混合云。随着容器技术和云原生应用的不断发展,如今混合云正在从资源型向应用型转变。KubeSphere 3.0的一大亮点便是基于多集群管理功能,为应用提供快速迭代开发的容器环境和多区高可用。总的来说,KubeSphere 3.0有如下重大升级:
KubeSphere 3.0可统一管理异构、跨任何基础设施平台的之上的Kubernetes集群,支持Solo和Federation(联邦)两种集群管理模式,支持直连和代理的集群连接方式。 其中,Solo管理模式支持将独立部署的Kubernetes集群在KubeSphere容器平台上统一运维管理;Federation联邦管理模式支持把多个Kubernetes集群聚合,形成Kubernetes资源池,从上层实现应用跨区、跨集群的高可用。
KubeSphere最初围绕着可观察性为用户提供了很多功能,包括基于租户的监控、日志检索等。KubeSphere 3.0能够兼容主流开放监控框架Prometheus Exporter,并支持用户根据业务自定义监控面板,无缝展示到KubeSphere UI控制台。在基于租户的事件管理上,支持粒度级别的事件管理,定制化告警支持微信、Slack等监通知方式。
KubeSphere 3.0能够提供完善的审计功能,可追溯查找操作信息以及监控告警等事件,提供基于租户的网络安全策略,支持Open Policy Agent(OPA)策略管理和OAuth 2.0授权标准。
KubeSphere 3.0采用了更轻量的安装引导包KubeKey,安装更快捷,支持KubeSphereOnly的部署方式,实现了以纯软方式在现有Kubernetes平台上部署KubeSphere,且原有业务完全不受影响。
值得一提的是,青云QingCloud是国内最早同时布局公有云和私有云的云服务商,早在2014年底就开始探索混合云解决方案。此次KubeSphere 3.0的推出,让混合云从“以资源为核心”走向“以应用为核心”,拓展了青云QingCloud混合云的能力,实现了从云原生应用层面对异构云平台和多云应用的管理。通过KubeSphere 3.0的联邦集群管理功能,企业能够轻松驾驭容器混合云,轻松构建多活、灾备等应用场景,实现应用跨区、跨集群的高可用,帮助应用在数据中心和边缘端自由联动。
青云QingCloud应用与容器平台研发总监周小四表示,未来一定是云原生应用的容器混合云时代,容器平台厂商的竞争一定是生态的竞争。KubeSphere始终坚持“开源”、“开放”两大基本原则,采用全球化策略,不断增强全球化运营。未来,KubeSphere将持续优化开放架构,发展云原生生态,联合众多合作伙伴面向全球用户提供服务,推动新基建落地的同时,加速数字世界的实现。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。