HPE正在通过推出新的应用、分析和开发者服务扩展GreenLake即服务产品组合,旨在帮助企业组织更好地管理多个公有云和私有云。

近日HPE在Discover Frankfurt活动上发布了这些公告,其中首先是在GreenLake for Private Cloud Enterprise预打包私有云产品(去年夏初推出)中扩大了对软件容器编排器Kubernetes的支持。HPE表示,现在该产品支持AWS的Elastic Kubernetes Service Anywhere,让客户能够通过可选的AWS支持在本地创建和操作Kubernetes集群。
HPE还表示,将会推出一组针对工作负载优化、以即用即付进行定价的云实例。此外HPE扩大了合作伙伴生态系统,新增对Red Hat OpenShift容器平台和VMware虚拟化软件的支持。此外,HPE推出了一套消费分析功能,旨在提高客户对三家主流超大规模云厂商及其本地基础设施使用情况和成本的洞察力。
用于私有云的AWS Kubernetes
GreenLake for Private Cloud Enterprise是一个完全托管的私有云,可以同时运行云原生应用和传统应用,为公有云和私有云服务提供了单一的全局命名空间,并从公共基础设施池中自助部署裸机、虚拟机和容器工作负载。
支持Amazon EKS Anywhere则让客户可以在本地运行他们在公有云中所使用的容器,并在混合云中获得一致的体验。开发者可以通过应用界面、命令行界面或者作为基础设施即代码,从中央控制台的选择中部署实例。他们还可以从各种操作系统、容器化应用和工具链集成服务中进行选择。该平台在公有云和私有基础设施中利用的是相同的自动化和持续集成/持续管道。
HPE Greenlake云服务解决方案产品管理副总裁Bryan Thompson说,这是“部署优化的基础设施,但采用多云的方式”。他说:“虚拟机是筹码,但我们还添加了容器实例和裸机。它不是以材料清单的形式提供的,而是以价目表的形式提供,因此和传统HPE解决方案是有所不同的。”
新增的优化实例涵盖通用、计算优化、内存优化和存储优化用例。通用实例针对Web服务器和机器学习数据准备等应用。计算优化服务的目标用途包括容器、虚拟机和NoSQL数据库。内存优化产品则针对内存数据库和高速分析进行了调整。存储优化版本旨在帮助客户管理数据湖和软件定义的存储服务。
HPE公司高级副总裁、Greenlake云服务解决方案总经理Vishal Lall表示:“支持私有云的基础设施不是同质的,我们构建了具有不同风格的基础设施,以发挥这些特定工作负载的性能。”
跨云分析
消费分析服务的增强功能,包括简化了的反馈报告,以及让客户可以用来改进混合环境容量规划和预算的仪表板。
Thompson表示:“我们现在可以使用来自AWS、微软Azure和Google Cloud Platform的入站数据,并将其纳入相同的报告机制中,报告整个云资产中工作负载的消耗情况,无论是在私有云还是公有云中,这是一个私有云解决方案,是多区域支持和多数据中心支持的。”
管理功能方面,包括基于角色的访问控制、配额限制、资源配置指南、安全策略和自助服务策略。
HPE还为GreenLake for Data Fabric和Ezmeral Unified Analytics产品引入了早期访问计划。Data Fabric产品整合了本地、云和边缘设备上不同数据类型。Ezmeral支持用于数据工程、分析和数据科学的开源工具。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。