实现IT运营自动化及编排能力的企业级框架最新版本红帽Ansible Tower 3.3来了。它包括更新的用户界面和改进的扩展能力,在红帽企业级Kubernetes容器应用平台——红帽OpenShift上运行Ansible Tower。
不同的IT环境中,不同团队和平台之间更快速、更轻松的协作能力必不可少。最新版本的红帽Ansible Tower满足这一需求,它能让组织机构采用更灵活、更一致的方法来管理红帽环境和混合基础架构。
借助Ansible Tower 3.3的新功能,用户可以通过多种方法在各个团队和IT环境之间延伸和扩展自动化能力,这些方法包括:增强的委派和权限、与传统流程和标准进行集成,以及强化的共享Ansible脚本(playbook)的能力。
此外,为了帮助组织机构更灵活地实现自动化并匹配其基础架构的结构,红帽Ansible Tower 3.3现在可作为一种pod服务,直接从红帽OpenShift容器平台上进行配置,用户只需要添加更多的pod就能够为Ansible Tower增加更大容量。
通过简化以前需要多个步骤才能完成的流程,用户现在可以根据需要直接通过红帽OpenShift容器平台的用户界面,即CLI(命令行界面)和API(应用编程接口),在运行时对Ansible Tower进行扩展伸缩。
随着越来越多的组织机构开始着手实现基础架构的现代化,能够跨越多种环境无缝开展工作的工具已经变得至关重要。红帽 Ansible Tower目前已经能够在混合环境中任何所需要的地方运行;现在,借助Ansible Tower 3.3提供的红帽OpenShift容器平台功能,我们便能百尺竿头更进一步,通过更多方式让这一平台更容易使用,更轻松地在各种基础架构中实现自动化。—— Joe Fitzgerald,红帽公司管理副总裁
红帽 Ansible Tower 3.3提供的其他新功能和增强功能还包括:
更精细的控制:重新设计的用户界面把更多的信息展现给用户。现在,作业和作业模板能够一目了然地显示更多信息,包括库存和证书,这让用户更快地找到信息。此外,Ansible Tower 3.3可以更轻松地配置作业,以便在调度和工作流程中使用。作业中可在启动时配置的任何项目(包括库存、证书,甚至调查结果)都可以保存其配置,方便在工作流程或调度中使用。
改进的扩展能力:扩展对企业用户至关重要,红帽Ansible Tower 3.3基于实例组构建而成,允许针对特定的组织机构、库存或作业保留Tower集群容量。实例组中的新功能改进了在Tower中管理容量的方式,不再需要重新启动集群。
支持自定义Ansible环境:用户现在可以创建量身打造的Ansible环境,包括自定义模块、自定义库,甚至包括多个Ansible版本。应用团队可以继续使用其信任的Ansible Engine版本,而其他团队则可以根据自己的日程安排进行升级。
增强的集成:允许用户更轻松地管理集成工作,包括改进的身份验证支持、更精细的LDAP控制,同时能够直接从Ansible Tower中为第三方应用创建令牌。
上市情况
红帽 Ansible Tower 3.3现已在ansible.com和红帽客户门户网站上提供。
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。