至顶网软件频道消息:如果你仍然认为微软只是有Windows的话,醒醒吧。微软Azure计算总监Corey Sanders在近日举行的Cloud Foundry峰会上表示,目前有1/3的Azure虚拟机是运行在Linux上的。除此之外,有超过60%的Azure Marketplace镜像是Linux的。
正如我总喜欢说的,“这并不是史蒂夫 · 鲍尔默时期的微软了”。当然,即使是鲍尔默,最近也改变了自己的开源论调。他宣称他“乐于”看到微软将SQL Server植入Linux。现在,微软是喜欢Linux的。
多年前微软意识到,微软未来的利润不在Windows桌面,而是在Azure云和服务中。正如Sanders所说,Linux和开源是“客户所在的地方”。
那么,微软为为企业Linux用户在Azure上提供了哪些选择?
好的,首先你可以采用你自己的Linux分发版。如果你真的想在Azure上运行Arch Linux(一个倍受欢迎的轻量版Linux),你是可以的。的确,现在已经有了一个非官方的指南关于如何在Azure上运行Arch。
不管你运行的哪个版本的Linux,只有一个例外,Red Hat Enterprise Linux(RHEL),微软对Linux虚拟机并不收取前端费用或者终止费用。你只需要为你使用的资源付费。
为了将一个未获得支持的Linux发行版带入Azure中,你需要遵循微软关于非背书Linux发行版的指南。这可不是一个业余新手能干的工作,但是那些熟悉在Azure云上管理虚拟机的用户不会遇到太大的困难。
不过,大多数人都希望运行一个获得支持的Linux版本。下面就是目前你可以选择在Azure上运行的Linux版本。
CentOS:这是一个RHEL克隆。Azure支持CentOS 6.2+和7.X+。如果没有Azure支持计划的话,微软是不提供支持的。这个发行版也没有得到Red Hat的支持。一些CentOS镜像是Rogue Wave Software创建的,后者是一家软件开发工具公司。Rogue Wave在Azure上提供对CentOS的支持合同。
要想成功运行CentOS,你还需要Azure Linux Integration Services Version 4.1 for Hyper-V的驱动程序。
Clear Linux:这是英特尔云特定的Linux。Clear Linux是一个裸机发行版,适合于那些想要尝试容器而不是在业务中部署的用户。
CoreOS:这个较新的Linux是全新设计的,专门针对运行中的容器。CoreOS还是一个领先的Kubernetes容器管理工具。微软最近与CoreOS围绕Draft合作,这个工具可以在Kubernetes上交换应用的开发。Azure支持CoreOS 494.4.0版本。
Debian:是的,Debian,是针对免费软件GNU/Linux的新版本,自从2015年以来一直运行在Azure上。Azure支持Debian 7.9+和8.2+,很快推出该家族最新的Debian 9。
Oracle Linux:这是Oracle版本的RHEL,运行在Azure上,有6.4版本和7.0版本。要想在Azure上运行Oracle Linux,你必须持有有效的Oracle许可。
Red Hat Enterprise Linux:你可以运行你自己的RHEL 6.7或者7.1+镜像,或者使用Red Hat的。不管是哪种方式,你都需要订阅一个RHEL。RHEL on Azure还要求占有6%的计算时。
SUSE Linux Enterprise Server (SLES):SUSE也在Azure上有两个镜像。首先标准版是没有支持的。高级版支持MicrosoFreeBSD 10.3ft。如果微软不能帮你的话,他们会呼叫SUSE寻求帮助。你可以运行SLES 11 SP4、12 SP+和同等的SLES for SAP Azure变体版。你还可以在Azure上运行openSUSE。
Ubuntu:这是在Azure上使用最多的Linux,或者任何云中。微软认识到这一点,所以给予Ubuntu on Azure的支持。例如,Azure File Storage首先是在Ubuntu 17.04上提供的,Azure还支持Ubuntu 16.04及更高版本。
最后,微软不仅支持FreeBSD 10.3(BSD Unix on Azure),还将这个免费软件操作系统植入到Azure中。
所以不管你信不信,如果你想要拉近Windows和Linux服务器之间的差距,微软和Linux合作伙伴已经为你准备好了他们各式各样的Azure Linxu产品。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。