携手AWS,Nutanix Clusters支持应用云间无缝迁移及统一操作,助力企业加速云上旅程
2020年8月12日,北京——企业云计算领导者Nutanix(纳斯达克:NTNX)今日宣布,Nutanix Clusters现已在亚马逊云服务(AWS)上全面运行,并将全部产品与服务扩展到AWS Amazon Elastic Compute cloud(Amazon EC2)裸机实例,进一步提升公司超融合基础架构(HCI)软件的灵活性和易用性。由此Nutanix可以携手AWS为企业提供混合云基础架构,助力企业加速推进数字化转型,优化IT成本,而这正是企业应对新冠肺炎疫情挑战所急需的。Nutanix提供集成计算和存储的单一堆栈、跨私有云和公有云环境的统一操作、与AWS的网络集成,以及从私有云到公有云的许可迁移能力,从而解决混合云时代的关键技术和操作难题。
Gartner调查研究显示,到2021年,90%的组织都将为满足自身的IT需求部署多云或混合云模式。企业需要多云的灵活性,同时又不得不继续忍受同时管理私有云和公有云环境时所面临的复杂性、运营孤岛和高昂成本问题。而一个能提供跨云一致体验、管理工具和操作实践的统一解决方案可以帮助企业打破孤岛,提高效率,同时为每项工作负载灵活选择合适的云环境。
此次发布标志着Nutanix将旗下软件的简单性和易用性扩展到公有云。此举消除了混合IT环境的高成本和管理复杂性,让客户可以利用内置的AWS网络集成实现应用跨私有云和公有云环境的无缝迁移,无需对应用架构进行调整。客户现在不仅可以灵活地为每个应用选择合适的云环境,还可实现跨云的许可迁移,从而直接降低操作成本,实现资源优化。
此外,客户还可以利用Nutanix在私有云和公有云上的全部软件栈,包括非结构化存储解决方案Files、应用编排解决方案Calm、数据库管理解决方案Era等。
AWS全球渠道与联盟主管Doug Yeum表示:“我们很高兴在AWS上推出Nutanix Clusters,助力客户从私有云环境扩展到AWS。这让客户可以灵活做出选择,最大程度利用AWS和Nutanix环境提供的便利。客户现在通过在AWS上使用Nutanix Clusters,就近部署云原生应用,并加速实现数字化转型。”
Nutanix Clusters的主要特色包括:
基于对客户的广泛调查,Nutanix Clusters有如下重要用例:
Nutanix首席商务官Tarkan Maner表示:“我们始终为客户着想,不断简化IT工作,致力于让IT架构隐形。随着行业的发展,我们的关注点早已不再局限于数据中心,而在于帮助我们的客户解决管理多个云环境的复杂性,不论是私有云还是公有云。Nutanix Clusters on AWS就是为了实现这一愿景。企业只需编写一次代码就可以在任何地方使用,并且充分发挥不同云环境在规模、位置、集成和多样化定价方面的优势,由此获得全面的灵活性,这才是混合云的真正愿景。“
宾夕法尼亚国民保险公司基础架构系统高级架构师Craig Wiley表示:“为确保在主数据中心遭受灾难事件时的业务连续性,我们一直在寻找新的解决方案以支持VDI工作负载。采用Nutanix Clusters后,我们可以轻松地创建一个跨Nutanix数据中心和AWS的混合云及多云环境,所以当需要从备份中快速恢复工作负载时,我们可以非常迅速地大规模扩展AWS的容量。除了灵活性之外,我们还可以通过这一解决方案使用现有AWS网络设置轻松部署Nutanix Clusters,并获得我们想要的效果。现在我们可以一键扩展VDI容量,并在不使用混合云工作负载时让它休眠,所以我们只需为需要的容量付费。”
澳大利亚统计局首席信息安全官Julian Doak表示:“作为澳大利亚的国家级统计机构,澳大利亚统计局的一项重要工作是负责澳大利亚人口普查。 而人口普查是澳大利亚政府日常规模最大的后勤活动,为支持人口普查项目而不断增长的IT需求也是我们寻求混合云平台的主要原因之一。Nutanix为我们提供了适应需求大幅增长所需的灵活性和敏捷性。我们一直在使用Nutanix的产品运行数据中心的VDI和数据分析工作负载,我们也同时在使用AWS。能够管理多个云的单一云解决方案使我们更容易按需对IT进行扩展。在需要对人口普查活动提供支持时,Nutanix集群为我们提供了一种将容量无缝地扩展到公有云中的方式,从而增加VDI工作负载,且保障所有应用程序的正常运行,无需进行重新打包或重新架构。”
目前,Nutanix Clusters已在全球20个AWS区域市场上运行。客户除了能够轻松使用现有的可迁移Nutanix许可之外,将来还能够在Cloud Commit和即付即用的付费模式之间自主选择。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。