至顶网CIO与应用频道 06月05日 人物访谈(文/王聪彬):据预测,到2020年前将有超过90%的企业部署混合云,Teradata在推出Teradata Everywhere实现Teradata数据库在任何平台(本地、托管云、公有云、私有云)实现交付后,现在又发布基础设施软件的云兼容授权,提供许可的可移植性、基于订阅的许可模式可以支持不同的部署选择。
混合云可移植许可
Teradata天睿公司市场营销高级副总裁Chris Twogood指出,基于客户需求是Teradata产品创新的驱动力,Teradata顾问委员会拥有一套成熟机制将新产品和新功能快速引入市场,通过客户反馈和市场需求优化工作流程,设计各个产品的迭代功能,最后投放到市场。
Teradata天睿公司市场营销高级副总裁Chris Twogood
之前企业大多都是进行一次性的资本投入,但现在企业越来越接受订阅模式。所以,Teradata宣布基于一致、简化的许可模式,为混合云部署推出灵活的创新性数据库许可方式。这是混合云市场中首创的全新可移植软件许可模式,将帮助用户规避云端许可限制或孤岛式的本地环境部署。
通过在部署选项间转移许可,可以灵活地选择、转移、扩展并重构他们的混合云环境,满足不断变化的业务需求。“通过通用的计量原则TCORE,企业可以将许可移植到任何部署环境中。目前TCORE只适用于Teradata数据库,未来将拓展到支持更多产品。”Chris Twogood说,客户通过TCORE积分转移,实现将可许移植到不同的部署环境。
这套衡量标准不但基于可用CPU核心数量,还兼顾IO的吞吐量,按照运行系统的性能潜力调整许可成本,帮助客户节省许可成本。Teradata将为本地环境、公有云、私有云及Teradata IntelliCloud下一代安全托管云服务环境提供等同的许可的可移植性。
订阅式许可方式分为四大简化的级别,满足从最基本的免费级别的数据库开发到高并发性混合工作负载分析系统不同等级的客户需求,并支持数据库附带的新功能。四大许可级别包括:
开发人员级别(Developer):这种免费级别专为正在开发新应用的客户设计,适用于在非生产环境部署,支持公有云的纯软件版本或非Teradata硬件上作为VMware运行时使用;
基础级别(Base):该方案专为低并发性、入门级数据仓库设计,可在云端及本地环境部署中使用;
高级级别(Advanced):该级别支持高并发性生产混合负载环境。该级别具备整合负载管理(Integrated Workload Management)与智能内存(Intelligent Memory)等强大功能,可在本地环境和云端部署选项中使用;
企业级别(Enterprise):这一最高许可级别包括更健全的负载管理功能,配备Teradata动态系统管理(Teradata Active System Management)与Teradata智能内存(Teradata Intelligent Memory)功能,可在本地环境与云端部署选择方案中使用。
两款新产品发布
近期,Teradata宣布升级了业务分析架构产品Teradata IntelliFlex,并全新发布了Teradata IntelliBase。
2016 年第三季度,Teradata面向大中华区市场推出了下一代海量并行处理(MPP)架构Teradata IntelliFlex。如今Teradata IntelliFlex升级到1.1版本,其设计了高性能的工作负载,适合高吞吐量的业务,主要用于大数据分析、交互型数据、电信、金融、制造等场景和行业。
Chris Twogood指出,Teradata IntelliFlex在中国的采纳率非常好,因为中国用户比较倾向能够独立扩展CPU或存储的能力。客户希望把工作流转移到Teradata上,但硬盘空间不足可能需要进行大量的采购。现在Teradata IntelliFlex可以实现CPU和存储可以随需分别扩展,不需要一次进行大规模的采购。
Teradata IntelliBase是一款全新的产品,可以提供多功能的计算节点,集成了计算和存储,具备更高的灵活性,同时可以和UDA节点集成在同一机柜内。主要适用于终端型客户,不同的节点可以运行Hadoop、Teradata数据库、Aster Analytics,但是每一个节点唯一。
同时,企业可以把Teradata IntelliFlex和Teradata IntelliBase结合使用,通过QueryGrid可以将两者连接在一起,为客户提供一个虚拟的系统。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。