近年来,容器由于其灵活性已经成为部署应用的一种流行方式。容器技术将工作负载捆绑成轻量级的便携式软件包,可以在不同类型的基础设施之间轻松移动。今天早上公布的Cisco Hybrid Solution for Kubernetes on AWS解决方案旨在消除大规模使用容器的障碍。
该解决方案的核心是Cisco Container Platform(CCP),这是思科加强版的开源Kubernetes框架,而Kubernetes是管理容器环境最广泛使用的工具。为了构建Hybrid Solution for Kubernetes,思科已经将CCP与其他几个软件产品以及AWS的服务进行了紧密集成。
该平台将CCP变成了思科所谓的单一面板,可用于在本地基础设施和AWS托管的Kubernetes服务中配置容器集群。后一种服务被称为Amazon Elastic Container Service for Kubernetes(EKS)。管理员可以同步他们的内部部署和EKS部署配置,以便可以在这些部署之间移动应用而无需进行重大更改。
市场研究公司Wikibon高级分析师Stu Miniman指出:“思科的这个解决方案是第一个原生集成到EKS中的解决方案,其他解决方案只适用于EC2。所以这是更深层次的整合,但我相信,接下来很多其他合作伙伴也会效仿此举。”
与另外两项AWS服务的集成加强了这种一致性。管理员可以使用AWS Identity and Access Management服务在部署中实施统一的访问控制规则集,以及管理相关任务(如用户身份验证)。第二个集成让管理员可以使用Amazon Elastic Container Registry这个在环境中最常用软件组件的预打包版来存储容器映像。
企业可以使用思科的软件来管理运营。这个Hybrid Solution for Kubernetes解决方案支持思科的AppDynamics应用性能监控、Stealthwatch云网络安全解决方案和CloudCenter(用于管理多云环境的平台)。
思科认为,这种一站式服务方法可以为企业节省大量精力。思科云平台和解决方案高级副总裁Kip Compton解释说:“正确配置Kubernetes以在本地和公有云中部署应用需要定制集成,这从操作上来说可能是一项挑战。有了这套新的解决方案,通过单一解决方案和企业级支持,客户就可以充分利用云和本地环境。”
就在推出这套Hybrid Solution for Kubernete解决方案的一年前,思科曾宣布计划与谷歌构建一款类似的Kubernetes产品。这次合作有着相同的目标,那就是让双方的共同客户能够构建跨越内部和外部基础设施的容器化应用。
好文章,需要你的鼓励
谷歌正式发布JAX-Privacy 1.0,这是基于高性能计算库JAX构建的差分隐私机器学习工具包。该库集成了最新研究成果,采用模块化设计,使研究人员和开发者能够更轻松地构建差分隐私训练管道。JAX-Privacy提供梯度裁剪、噪声生成、批量选择等核心组件,支持大规模分布式训练,已成功应用于VaultGemma等先进模型的训练中。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
谷歌量子AI团队发布新理论成果,展示大规模量子计算机可解决传统计算机无法处理的优化问题。研究团队开发出解码量子干涉算法,利用量子力学波动性质创建干涉模式,找到经典计算机难以发现的近似最优解。该算法将优化问题转换为解码问题,配合先进解码算法实现量子加速。研究成果为量子计算应用提供新工具包。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。