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
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样,从实验数据中自主发现数学公式,通过工具驱动的数据分析和长期优化机制,在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。