至顶网软件与服务频道消息: 微软今天在Ignite 2019大会上推出了一系列新服务以扩展自己的混合云功能。
其中最重要的一项——Azure Arc——将从今天开始预览。微软在美国佛罗里达州奥兰多举行为期一周的Ignite大会上公布了这一消息,微软首席执行官Satya Nadella今天早些时候公布了微软即将扩展云的计划。
Azure Arc让企业可以更轻松地在任何类型的基础设施平台(包括本地服务器和竞争对手的公有云)上部署Azure云服务。微软表示,这将为客户解锁新的混合云场景。
目前,企业组织越来越多地在多个边缘设备和云计算平台上运行分布式应用,他们需要一种更一致的方式来管理和保护这些应用,而这正是Azure Arc致力于解决的问题。
Azure Arc是一套工具,可将各种Azure服务(例如Azure Resource、Azure Shell、Azure Portal、Azure API和Azure Policy)扩展到任何计算平台上,包括Windows和Linux服务器以及Kubernetes群集,不管是在本地环境、在云端还是在边缘。
“有了Azure Arc,开发人员就可以利用他们选择的工具来构建容器化应用,IT团队就可以确保应用是使用基于GitOps的配置管理统一部署、配置和管理的,”微软Azure企业副总裁Julia White在博客文章中这样写道。
市场研究公司Wikibon分析师James Kobielus表示,微软在Azure Azure方面迈出了大胆的一步,使自己能够在不牺牲控制权的情况下支持各种Azure服务的多云部署。
“该预览的发布让微软直接迈向了新兴企业多云的前沿。微软的客户现在可以充分利用他们对Azure服务的投资例如Azure SQL Database和Azure Database for PostgreSQL Hyperscale,将其部署到第三方公有云、部署到本地环境和云中的异构Kubernetes集群、以及分散的边缘基础设施。”Kobielus表示。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead补充说:“Azure Arc本质上是微软‘拥抱和扩展’的终极举措,因为这使企业通过单一界面管理本地和多云工作负载,甚至是在AWS平台上。”
Constellation Research分析师Holger Mueller表示,企业很乐于看到工作负载可移动性的增强,因为绝大多数人仍然不知道大部分数据是存放在哪里的。他说,这让使用这些数据的服务变得更加灵活,而微软竞争对手谷歌今年早些时候推出Anthos服务时就已经做到了这一点。
Mueller说:“数据引力是真实存在的,因此需要将工作负载靠近这些数据。高管们想要的是下一代计算平台,这种平台可以让工作负载从本地迁移到云,然后再迁移回云。”
扩展的边缘基础设施
在多云愿景之下微软还宣布将扩展Azure Stack基础设施,将Azure云功能引入客户的本地数据中心。Azure Stack Edge是一种完全托管且采用了人工智能的设备,适用于制造工厂和远程办公室等边缘位置。微软表示,推出该设备是为了在边缘实现基于机器学习的推理。
Kobielus说:“这款支持AI的边缘计算设备具有网络数据传输功能,集成了内置的FPGA以加速AI推理,并且可以充当边缘存储网关。此外它还为客户提供了在虚拟机或者容器上运行应用的选项,提供了设备自动故障转移功能,以便在边缘集群服务器宕机的情况下,虚拟机可以自动切换到另一台服务器。”
“无限”分析
在这次Ignite大会上微软还公布了一项名为Azure Synapse Analytics的服务,该服务首次尝试将两种分析系统(数据仓库和数据湖)提供的洞察进行汇总。
Azure Data企业副总裁Rohan Kumar在另一篇博客文章中写道:“数据仓库提供了有关业务运行状况的重要洞察。数据湖可以发现有关客户、产品、员工和流程的重要信号。两者都是非常重要的,但彼此独立运行,这可能导致觉得不够明智。同时,企业需要从所有数据中获取洞察以保持竞争力,并有目的地推动创新。”
微软表示,Azure Synapse Analytics预览版是一个“无限分析平台”,它使得企业组织能够利用所有数据存储并且以前所未有的速度获得洞察。Azure Synapse Analytics允许用户使用他们熟悉的结构化查询语言查询关系数据和非关系数据。此外,该服务与微软Power BI和Azure机器学习集成在一起,因此用户可以轻松生成洞察并将机器学习模型应用于新的应用中。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。