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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。