至顶网CIO与应用频道 07月26日 北京消息:在7月26日北京举行的AWS技术峰会2017上,混合云成为最大亮点。EasyStack正式发布混合云ESCloud Hybird升级版,并在大会展示区携手AWS、英特尔共同演示了OpenStack私有云+AWS公有云的混合云解决方案。
据悉,ESCloud Hybird为2014年OpenStack巴黎峰会上EasyStack首次发布混合云后的重大升级版本,不仅可以打通计算、网络、存储等IaaS资源层,还可以打通支持业务运行的应用层,做到业务在私有云和公有云之间的分钟级部署和自动迁移,为混合云的普及奠定了技术基础。
混合云升级战一触即发
混合云并非新的概念,在私有云、公有云诞生之际即存在混合云将为主流的论断。但直到今年下半年才有山雨欲来的势头。究其原因在于,2016年之前的云计算上半场以公有云上云为主,从2017年开始,云计算已进入下半场。这一阶段的主要特征是,企业上云结构发生变化,从互联网和中小企业为主,转变为传统行业大中型用户规模性采用私有云,云计算成为企业战略升级的重要载体。
既然混合云的主体是具备私有云的企业用户,只有私有云到达规模拐点,混合云的竞争才会出现。据IDC数据显示,73%的企业云用户会采用混合云战略,因为从成本优化和安全性/合规性角度来看,混合云因为兼具公有云的灵活性与私有云的安全性而日益受到企业用户的欢迎。
今年下半年,公有云企业和私有云企业都同时向混合云发力。比如微软7月预售Azure Stack,AWS宣布和VMware合作9月正式推出,EasyStack、RedHat开源企业也推出了针对AWS的混合云解决方案……混合云从几年前的不温不火,一跃成为今年云计算最热焦点,混合云升级战可谓一触即发。
此次,AWS技术峰会上,AWS、英特尔为什么会选择EasyStack作为混合云演示伙伴?EasyStack早在2014年底的巴黎OpenStack峰会上就演示了其面向IaaS资源层的混合云解决方案,并且拥有了中国第一批混合云用户。现在,中国多数行业用户的私有云也都选择开放开源的OpenStack架构,而EasyStack在OpenStack领域已经拥有超过200家大中型企业客户,因此双方联合演示也就水到渠成。
EasyStack混合云:资源与应用双向打通
一般情况下,混合云用户都是以私有云为主导、以公有云为补充,以减轻私有云的压力,在业务上实现资源的弹性伸缩和业务的灵活扩展。
EasyStack联合创始人兼CTO刘国辉表示,ESCloud Hybird混合云解决方案,除了支持原有基础版本在IaaS基础资源层实现公有云和私有云资源池的统一管理和调度之外,还可以通过容器技术实现业务应用层的灵活调配,这意味着ESCloud Hybird可以通过跨基础资源池的统一集群平台来支撑业务应用,从而屏蔽底层资源的复杂性和差异化。
据悉,今年3月发布基于Kubernetes的容器产品ESCloud Container之后,EasyStack的混合云解决方案为此进行了重大升级,这使得新的ESCloud Hybird解决方案可以站在业务应用的用户视角,通过统一平台进行跨资源池的统一调度和管理,在多云管理的状态下也可实现统一操作界面,简化了实施运维,提升了用户体验。
ESCloud Hybird混合云解决方案基于开放的OpenStack,具备跨多云、跨厂商、跨资源池的特色,从而解决了行业企业选择单一公有云的可靠性问题。此外,它实现了基础资源和应用资源的双向打通,与仅打通基础资源池的其他混合云相比更为高效:
原来需要手工编写脚本进行资源部署和配置,而现在则可实现自动化处理,从而将混合云部署周期从天缩短至分钟级别;原来资源的动态扩展需要人工来判断,既不实时也不经济,而有了跨资源池的业务支撑集群平台——Kubernetes,不仅可以支撑多云模式,还可实现自动的按需使用和付费;统一的控制管理界面,实现不同资源池之间的统一调配、部署和计费,既可支撑多云管理模式,也可以支撑混合云模式。
场景化丰富的混合云实践
据悉,EasyStack 已经拥有了第一批国内混合云客户,并支撑各种混合云场景化应用。
比如,不少EasyStack ESCloud Hybird混合云的早期用户,除了自身OpenStack私有云之外,还需要无缝对接AWS资源池,用于海外分支机构业务。
大型科技制造型企业TCL的O2O平台,除了采用EasyStack ESCloud构建私有云之外,还需要无缝对接AWS公有云,用于线上和线下销售网络、物流网络以及服务网络,以应对业务波峰波谷时的资源池调用,从而满足实际业务对私有云控制力、高安全、高可靠的需求,并兼顾公有云敏捷、低成本、弹性的特色。
据悉,目前EasyStack还正在与国内某大型汽车制造业企业合作,帮助他们以OpenStack+公有云的混合云模式,管理遍布全国的数百家4S店,从而实现配件、物流、用户等数据的统一管控和线索挖掘。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。