ZD至顶网软件频道消息:微软在2016年3月发布了有限预览版的SQL Server for Linux。与此同时,微软方面表示,SQL Server for Linux是SQL Server for Windows的一个子集,将运行在Ubuntu或者作为一个Docker镜像运行。随后微软又在该预览版中增加了对Red Hat Enterprise Linux的支持。
3月份的时候微软方面还曾表示,那些购买了SQL Server的用户可以在Windows Server或者Linux上使用他们的许可,但是没有进一步说这个版本的SQL Server for Linux与可能被认为是SQL Server Next for Windows是一回事。微软只是在最近——在2016年6月1日的时候——全面公布了最新版本的SQL Server for Windows、SQL Server 2016。
微软把SQL Server Next视为与Linux和Windows相关
微软方面表示,SQL Server Next on Linux和SQL Server Next on Windows都是基于单一代码库的。“有一些功能是平台专有的特性。例如,在Linux中的文件与在Windows中的文件是不同的,”微软的一位新闻发言人这样表示。但是他们并不是两个完全不同的产品。
11月16日在纽约举行的Connect() 2016开发者大会上,微软方面重申,即将推出的SQL Server on Linux将包括“这个关系数据库引擎的全部主要功能”,这其中包括内存中联机事务处理(OLTP)、内存列存储、Transparent Data Encryption、Always Encrypted以及Row-Level Security等功能。
公开预览版的SQL Server on Linux将支持运行在Ubuntu、Red Hat企业级Linux以及SUSE Linux Enterprise Server上。这个公开预览版很快将支持运行在Azure Virutal Machines以及Docker Hub上。微软方面还表示,将会在2017年年中的时候面向Linux和Windows操作系统提供SQL Server。
从今天开始用户可以从微软的SQL Server on Linux网站上下载公开预览版的SQL Server on Linux。下一代SQL Server for Windows(从技术上称为Community Technology Preview或者CTP 1)的公开预览版将通过TechNet Evaluation Center提供。
微软高管还在Connect 2016大会上公布了SQL Server 2016 Service Pack 1。
SQL Server SP1还将一些目前只在企业级版SQL Server 2016中才有的高端功能带入到标准版中。这样标准版和企业版中都有的功能包括内存内OLTP、实时操作分析、静态及动态数据加密、PolyBase大数据连接。
其他数据管理相关的新闻:微软正在向R Services inside SQL Server中增加新的功能,包括新的机器学习功能。今天微软开始全面提供R Server for Azure HDInsight (aka Hadoop on Azure)。微软还允许VSCode开发者连接到SQL Server,包括SQL Server on Linux。
在这次微软Connect大会上,微软还宣布全面提供Azure Data Lake Analytics和Azure Data Lake Store。Azure Data Lake是微软的超大规模存储库,针对云中的大数据分析工作负载。Azure Data Lake Analytics和Azure Data Lake Store都是源自于微软自己内部的“Cosmos”大数据存储和分析服务。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。