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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。