ZD至顶网软件频道消息:数字化企业IT解决方案提供商BMC宣布拓展大数据战略,以使企业级Hadoop?环境实现部署自动化、加快运行并得到安全保护,进而帮助企业出色地运行和维护IT系统,增强在数字化时代的竞争优势。同时,BMC还宣布推出专为提高Hadoop应用部署敏捷性而设计的Control-M Automation API,进一步增强BMC大数据战略的威力。
据了解,Control-M Automation API是一套编程接口,帮助Hadoop设计师、工程师和开发人员以自助服务方式,将Control-M部署在应用发布流程中,提高敏捷性。通过以JSON作为作业定义格式,将GIT和RESTful API用于验证、配置和部署,手工工作流程调度操作可以与首选的Hadoop应用发布及部署流程自动化工具无缝集成。这就使Hadoop项目团队能够缩短开发时间,更快地为拓展业务提供新功能,并提高大数据项目的价值。
据IDC研究表明,“数字宇宙”每两年扩大一倍,预计到2020年,地球上每人每秒钟所产生的新信息将达到1.7MB。这个数字意味着什么?意味着对于企业而言,企业处理的数据量越大、处理速度要求越快、处理的数据种类越多,企业就越需要采取复杂、可扩展的方法管理大数据环境,这是其面临的巨大挑战。所以,管理好这些数据是所有企业成功实现数字化转型的根本前提。反之,企业如果不能很好地分析、利用这些数据,就不能有效的满足客户期望、更谈不上帮助企业缓解竞争压力,轻松面对大数据时代。
BMC企业级解决方案事业部总裁Robin Purohit表示:“为了加速数字化转型,很多企业都在争先恐后地部署大数据项目,以建立新的业务模式、加速业务增长并从根本上改变成本结构。然而,企业在筹建自身的大数据业务时,一旦从‘沙盘推演’进入生产环境,将极大可能遇到非常严峻的挑战:如何与现有的企业应用结合、优化底层基础设施的成本就变得至关重要。BMC大数据解决方案应运而生,旨在为企业成功部署Hadoop生产环境提供了合适的工具。”
BMC大数据解决方案具备以下特色,可帮助企业充分分析、利用数据,为企业管理向数字化转型提供了强有力的支撑:
自动化–Hadoop工作流程与所有已部署应用自动集成,这是快速部署大数据项目、确保可靠性和可扩展性的关键。BMC Control-M解决方案可加快大数据项目部署,实现Hadoop工作流程与数据中心及云中其他应用的无缝集成。
运行加速–大数据项目如果规模很大,就会涉及海量数据,这就要求能够快速扩展基础设施资源。由于数据似乎有无限增长的可能性,因此部署可扩展的基础设施、确保基础设施以峰值性能运行,就变得非常重要。BMCTrueSight Capacity Optimization解决方案帮助企业规划规模得当的Hadoop环境,其中包括计算、存储和网络资源,从而确保有效控制基础设施成本,而BMC TrueSight Operations Management则有助于IT团队提供不间断的服务。
安全防护–企业必须确保应用和数据安全,为了实现这个目标,企业必须首先了解自己拥有哪些资产,资产之间的相互依赖关系。最重要的是,这些资产是怎样为业务提供支持的。通过BMC Discovery企业级管理解决方案,可以全面、动态地查看包括Hadoop、存储、数据分析和消费流程在内的大数据基础设施情况,使IT团队能够全盘了解整个企业的状况,这一点至关重要。如果IT团队对资产状况及其相互之间的依赖关系了如指掌,就能够避免出现孤岛式大数据系统,确保合规,并保护大数据环境安全。
RedMonk公司首席分析师Stephen O‘Grady表示:“大数据日益成为企业战略规划的核心,能够在生产环境中高效管理大规模Hadoop部署变得越来越重要。作为老牌企业级管理解决方案提供商,BMC的核心是建立丰富的企业管理经验及在大数据领域、尤其是Hadoop环境中的专长。
Malwarebytes公司数据科学与工程高级总监Darren Chinen表示:“Control-M for Hadoop拥有独一无二的地位,可以在Hadoop内外集中实现工作负载的自动化管理,使我们能够全面控制和查看整个大数据生态系统。作为一家现代企业,云基础设施使我们实现了弹性扩展,并能够按照工作负载时长管理计算成本。Control-M则使我们能够在云存储基础架构下,管理云基础设施、Hadoop应用和ETL作业,以及进行状态显示板更新。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。