数据保护和数据管理技术开发商Veeam Software周一宣布收购Kasten,后者是Kubernetes原生工作负载的备份和灾难恢复技术的开发商。

Veeam首席技术官兼产品战略高级副总裁Danny Allan表示,此举的背景是IT行业看到了基于容器工作负载保护需求激增。Veeam最近将其全球总部迁至俄亥俄州哥伦布市。
Allan援引研究公司企业战略集团(Enterprise Strategy Group)的统计数据称,到2023年,预计约有50%的工作负载将转移到容器中。
Allan对CRN表示,“容器就在这里……我们看到,容器的普及速度正在变得越来越快,这和我们曾经在VMware上看到过的情况非常类似。而VMware本身也在将Kubernetes集成到其Tanzu技术中。这将进一步推动这种技术的普及。”
Allan表示,很多公司都在开发保护基于容器数据的技术,其中绝大部分都是从存储的角度出发的,但Kasten却是另辟蹊径。
他表示:“Kasten是从应用的角度看待容器的……这与Veeam将自己打造成十亿美元市值公司的思路是一致的。在Veeam横空出世的时候,每个人都在使用代理。但是,当数据保护转移到虚拟化环境中时,专注于应用就变得很重要。Veeam使用了以应用程序为中心的方式来迁移数据,完全不需要使用代理。”
Allan表示,Kasten的技术可以保护云端和本地环境中的Kubernetes容器。
他表示:“该软件作为Kubernetes软件进行部署,因此这是非常原生的体验。”他说:“我们将保持原生的DevOps体验,以提供云端和本地环境中的可见性。”
Allan表示,Veeam从今年年初开始与Kasten建立了合作伙伴关系,两家公司在上周的VMworld会议上展示了他们的技术集成。他表示,两家公司均为Insight Partners所有,这一点有助于推动收购。
Veeam将以1.5亿美元的现金和股权收购Kasten。
他表示:“这证明了我们在这一领域的投资。”他表示:“我们已经是虚拟化和云环境中数据保护的领导者……我们正在迈向'Act 2',它将专注于云端和容器。”
Allan表示,对于Veeam而言,收购Kasten而不是继续保持与其的合作伙伴关系非常重要。
他表示:“容器市场的发展速度决定了我们将采取行动,以确保在这个市场上的领导地位。” 他表示:“而Kasten在专注应用程序的容器方面拥有领导地位。我们将保持这种领导地位。”
一些重量级的存储厂商已经开始在保护基于Kubernetes容器的工作负载方面布局,并进行了大量投资。而收购Kasten的举措让Veeam成了其中的新成员。
Pure Storage上个月表示,将以3.7亿美元的全现金交易收购Portworx。Pure Storage将Portworx描述为领先的Kubernetes数据服务平台的开发平台,该平台可以在生产环境的容器中运行关键任务工作负载。
数据保护和数据管理软件开发商Commvault在7月发布了其HyperScale X存储设备,该设备采用了广泛使用的容器存储接口(CSI)来保护基于Kubernetes的有状态容器。
NetApp今年早些时候放弃了自己基于容器的存储技术开发,转而支持Project Astra,该公司称其目标是将持久性存储与Kubernetes容器结合在一起。
容器存储也已成为投资目标。MayaData是总部位于加利福尼亚州圣何塞的Kubernetes环境容器附加存储开发商,该公司今年2月获得了2600万美元的投资,投资方中包括位于佛罗里达州劳德代尔堡(Fort Lauderdale)的软件定义存储技术开发商DataCore。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。