AWS昨天发布了一款全新的开源操作系统——Bottlerocket,该系统适用于在裸机服务器或虚拟机上运行的软件容器。
目前,AWS Bottlerocket还处于预览状态,是一套精简的操作系统,仅包含启动和运行容器必不可少的组件,同时支持Docker映像和其他符合Open Container Initiative(OCI)映像格式的映像。
软件容器在开发人员中很流行,因为容器可用于承载运行在多种计算基础设施上,而无需更改基础代码的应用。
但是软件容器需要一个主操作系统,并且绝大多数容器都是运行在并非针对容器设计的通用操作系统上。AWS布道师Jeff Barr在公布Bottlerocket的博客文章中写道,“大多数系统都是逐包更新的,这意味着自动化是一项艰巨的任务。”
因此,操作系统更新不仅速度慢,而且还会因为增加了攻击面而引起安全问题。此外,更新也可能会出现问题,容易出错,与软件包的不一致会随着时间的推移缓慢破坏容器群集的完整性。
因此,AWS推出了Bottlerocket,可以一次性更新而不是逐包更新,这让用户更容易通过容器编排服务(例如Amazon EKS)自动更新操作系统。
Barr说:“Bottlerocket代替了软件包更新系统,采用基于图像的简单模式,在需要的时候快速完整地回滚,从而避免了冲突和破坏,让用户可以更容易地使用EKS等协调器,从容地进行整体更新。”
此外,一次性更新的方式还有助于强化容器应用的更新,最大程度上减少更新失败,并在发生问题的时候实现回滚。
Constellation Research分析师Holger Mueller表示:“厂商们展开了一场让容器操作和监控尽可能简单和高效的竞赛。Bottlerocket的目标就是让企业更容易操作容器,”当然,这还要取决于客户是否感兴趣、是否采用。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。