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
VMware宣布将终止现有渠道合作伙伴计划,新计划采用邀请制,大幅减少授权合作伙伴数量。未受邀合作伙伴将于2025年7月15日收到不续约通知,可继续交易至10月31日。白标计划也将同时终止。此举是18个月内VMware第二次重大合作伙伴调整,旨在专注与少数核心云服务提供商深度合作。客户可能面临续约困难、服务质量下降和成本上升等影响。
StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术,能够处理11种编辑任务,在新构建的GEdit-Bench基准测试中表现优异,为图像编辑技术的民主化开辟了新道路。
谷歌DeepMind和伦敦大学学院研究发现,大语言模型在面对反驳时会迅速失去信心并改变答案,即使反驳是错误的。研究显示LLM既会对自己的答案过度自信,又对批评异常敏感,表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁,最新信息可能对LLM推理产生不成比例的影响。
BluOrion公司开发的ZClip是一种智能梯度裁剪算法,解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略,ZClip能够自适应地控制梯度幅度,相比传统固定阈值方法提升训练效率35%以上,同时显著降低训练失败风险,为大模型训练提供了更稳定、高效的解决方案。