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
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。