ZDNet至顶网软件频道消息: 目前全球市场的不确定性和企业对IT预算审查的严格性,要求硬件和软件的采购尽可能地具有战略意义。随着云计算和虚拟化技术的发展,企业逐渐认识到存储和服务器的虚拟化技术在减少资源成本和管理成本等方面的优势。许多公司也已经将IT部署的重点向虚拟化方向转移。其中,桌面虚拟化技术成为了众多企业关注的焦点。
“桌面虚拟化”一般指虚拟桌面基础架构(VDI),具体说来就是将数据中心里面的桌面应用放在服务器集群上运行,并通过终端服务分发给远程用户,旨在使工作场所(最终用户的应用程序、数据和设置)与它下面的架构层隔离开,为企业提供新的管理和部署的选择。其主要优点是: 虚拟桌面管理、配置简单,安全性高,灵活性强。
在这一领域,比较知名的虚拟化厂商如:VMware、citrix都推出了较成熟的产品和解决方案。
然而,尽管桌面虚拟化呈现一派红火的势头,种种迹象却显示用户采用这项技术的热情并不高涨。其原因在于,桌面虚拟化有几个技术“盲区”仍没有覆盖到位。如:图形和流视频无法在虚拟桌面上顺畅运行;此外,虚拟桌面对网络及存储的性能的较强依赖,在一定程度上也缩小了其适用范围。
为了解决上述瓶颈,各个虚拟化厂商不断努力与探索,一种新的桌面虚拟化架构应运而生——即智能桌面虚拟化(IDV)技术架构。这种架构方式只是将桌面的标准镜像在数据中心进行集中管理,而操作系统则利用客户终端的计算资源运行,打破了VDI技术将所有桌面系统集中在数据中心运行的方式,这样将瘦客户端替换为智能终端,在一定程度上有效解决了VDI架构的弊病。
近年来IDV架构的桌面虚拟化解决方案在市场上也得到了大面积的推广,比较成熟的产品除了大家熟知的citrix XenClIEnt外,国内知名的虚拟化厂商红山公司自主研发的vTop,也受到了广大用户的一致好评。
尽管IDV架构的桌面虚拟化方案已经基本上满足了用户的需求,也占有了一定的市场份额,然而在实际的生产环境中还是存在一定的技术瓶颈,其中最大的问题就是数据中心的资源和网络带宽消耗。
我们知道在IDV架构的桌面虚拟化方案中,尽管用户的系统和应用都在终端本地运行,但为了安全起见,大部分用户在退出系统前要将本地数据同步至数据中心进行保存,并清除本地数据,当再一次登录桌面系统的时候,将已上传的数据下载到本地使用。如此频繁的上传下载操作对数据中心的网络性能及存储容量有着较高的要求,特别是当属于同一数据中心的多个用户同时进行同步或下载操作时,系统可能达不到理想的体验效果。
针对这一问题红山公司又研究开发了企业云存储套件Halsign Sync。Halsign Sync是一个独立的软件,既可以在作为文档管理软件应用于物理系统中,也可以和vTop实现完美的结合,在一定程度上优化vTop的性能。
Halsign Sync是一种企业级云存储解决方案,可为企业提供组织内外、多种设备之间的商业文档和文件的安全存储、同步和共享服务,可以实现用户本地数据和管理服务器上数据的实时同步以及不同用户(组)之间的资源共享,在所有自带设备(BYO)和企业设备、移动设备、平板电脑、笔记本和台式机上保存并同步文件。
在管理员为用户分配的vTop桌面镜像中嵌入Halsign Sync组件,那么用户在使用vTop桌面的过程中,就可以将重要的数据直接存放到Halsign Sync的本地文件夹内,在操作的过程中本地的数据会实时的同步到Halsign Sync的服务器中。由于Halsign Sync服务器与vTop的数据中心是相互独立的,所以不必担心退出系统后同步数据时可能出现的网络速度慢、数据中心存储空间不够、或者数据量较大致使等待时间较长的问题。
另外Halsign Sync的资源共享功能也是对vTop功能一个很好的补充,虽然vTop系统在移动办公方面有着不可取代的优势,但其本身并不具备共享文件的功能,和Halsign Sync结合后,各个部门、团队内部的资料可以实时共享,任意一个员工的Halsign Sync上的数据更新时,与其有共享关系的其他员工的相应数据也会实时更新,使每个人实时了解整体的工作进度,有效提升了团队的工作效率。
红山公司的桌面虚拟化方案vTop,不仅具有IDV虚拟桌面所共有的优势,而且在对国产操作系统的支持范围、外接设备的兼容性以及视频音频的流畅度方面的研究都取得了突破性的进展。与Halsign Sync结合后,在功能和性能方面又上升了一个新的台阶。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。