ZDNet至顶网软件频道消息:近年来,服务器虚拟化在国内越来越流行了,它在提高服务器资源的整合,方便IT人员的管理,增加业务连续性等诸多方面有着明显的优势。那么,在服务器虚拟化环境下,我们该如何对数据进行保护呢?我们先看一个真实的例子。
2014年8月,国产虚拟化厂商红山公司的技术人员突然接到一个客户的电话,之前无故障持续运行了3年多的服务器虚拟化环境中的虚拟机发生故障了。红山公司立刻组织技术人员对客户的环境进行了初步分析。
经分析发现虚拟磁盘变成了不可用的状态,进而分析发现共享存储连接出了问题,无法进行存储的读写和扫描,由于该存储上还运行有其他业务,情况比较复杂,红山公司立刻组织技术人员去客户现场解决问题。
当技术人员当晚到达客户现场后,发现重新连接存储是可以的,后来通过了解现场环境和跟客户的仔细沟通,最终发现问题的原因是某个IT人员使用其他系统将服务器连接的那个存储的lun格式化了,最终导致了上述问题的发生。面对这种灾难,由于客户没有对数据进行妥善的保护,事后只好手动恢复所有的业务。
如何避免这种悲剧的发生?在服务器虚拟化环境下与之前的裸系统环境相比数据保护的措施又有什么不同?
首先要采取积极的措施避免这种情况的发生,提高IT人员的行为规范,另外还有一个好办法就是尽量将存储做到服务器虚拟化“专用”。因为服务器虚拟机化上运行的系统较多,所以多个虚拟化服务器专用一个共享存储给企业带来的负担并不会很大。红山客户遇到的问题恰恰就是将服务器虚拟化环境中的存储和裸系统用的存储混用,IT人员格式化了误以为没有用的存储空间。
当破坏因为某些原因不可避免的发生的时候,我们又该采取哪些措施进行补救呢?业界普遍采用的招数就是备份/还原。除了存储做RAID,双机热备,数据库定时备份,等等之前裸系统环境中就已经惯用的传统方案外,服务器虚拟化环境又提供了虚拟机备份,复制等等独有功能。当然目前有些服务器厂商采取的收费插件的方式,支付一定额外费用才能拥有这种服务,也有一些厂商灾备的服务是免费的。下面我们简单聊一聊红山公司的灾备服务是如何工作的。
如图1所示,红山的灾备功能是整合在产品中的,不需要额外收费。它可以将虚拟机整体备份到存储上,当上述灾难发生的时候,可以从存储上把之前备份的虚拟机还原回来。它支持按时,按需,定时备份等策略,备份过程使用的是增量备份,以最快的速度进行备份。而还原时可以从之前备份的时间点中选择某次备份进行还原。

图1
同时红山的服务器虚拟化还支持复制虚拟机的功能,不需要额外的存储,不中断业务运行,同时还支持增量复制,减少同步虚拟机所需的时间。目的是在一台虚拟机故障的时候,另外一个待命虚拟机可以很快接管业务。具体可参考图2所示。

图2
综合上面的介绍,我们发现,相对于传统的备份方式,虚拟化灾备的解决方案更适应于服务器虚拟化的生产环境,恢复速度也优于传统方案。企业可以结合自身的情况综合使用传统方案和虚拟化灾备方案,以达到对业务环境和数据全方位的保护。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。