2020年12月8日,红帽公司宣布将会在2021年底停止维护开源操作系统CentOS,此消息也引起了中国乃至全球科技产业的震动。
因为在企业级里,CentOS非常有影响力,不少企业级计算平台,包括企业服务器、超级计算机、云计算平台等都在广泛使用。
红帽也宣布未来会继续维护CentOS的另一个滚动版本CentOS Stream,但CentOS Stream 已经从一个稳定的下游版本,变成了一个创新的上游版本。业界也在忧虑CentOS Stream的稳定性无法匹配生产环境的需求,不少人也在考虑是否使用其他操作系统进行替换。
红帽全球副总裁兼大中华区总裁曹衡康表示,CentOS Stream是以CI/CD的方式做企业级操作系统的开发,实现稳定和敏捷的统一,通过这种方式,会进一步激发基于CentOS Stream的创新。
红帽全球副总裁兼大中华区总裁曹衡康
利用创新的CentOS Stream
开源和闭源最大的区别就在于开发模式,红帽Linux生态系统最早v1.0时代Fedora Linux模式红帽Linux分化为Fedora和红帽企业Linux(RHEL)两个版本,以便平衡创新和稳定;到了v2.0 CentOS Linux模式是在RHEL上平衡业务需求与创新;到v3.0 CentOS Stream模式则通过将所有社区整合成相辅相成的生态系统,让开发更快捷。
CentOS Stream和CentOS的差别在于受众、场合,以及迭代周期。CentOS Stream是一个上游的开源开发平台,可以在其中开发、测试和贡献一个持续发布的发行版,它位于RHEL上游。CentOS是一个社区项目,由RHEL源代码再编译的产物,但CentOS 并不包含封闭源代码软件,也就是说CentOS是“免费版”RHEL。
曹衡康表示,选择用CentOS毫无疑问成本也会很低,但是同时可能也无法做大量生产,因为稳定需要支持。同时CentOS Stream的功能跟RHEL基本上一样,只是在RHEL的下游变成到RHEL的上游,这是最大的一个差别。
在CentOS网站上一篇博客描述了CentOS Stream与EHEL的关系:CentOS Stream的目标是像RHEL一样稳定,是RHEL的一个持续交付的版本。
红帽的投资已于2021年12月31日从CentOS Linux转向CentOS Stream。把CentOS Stream放在RHEL前面,生态合作伙伴会更快获得CentOS未来RHEL版本的新功能,而且合作伙伴做的创新会留在RHEL里,投资会得到保护。
未来平台如何选?
很多企业客户已经开始有所焦虑,对于后CentOS时代,企业也需要重新做出选择,红帽建议企业要从六个方面进行考虑。
第一,代码是否开源:确定代码真的开源,CentOS加一些东西重新打包进行售卖,新加入的代码需要回馈给上游社区;
第二,代码权益保障:代码没有侵权,红帽可以确定代码权益保障;
第三,交付方式:24小时的支持和服务,自动做补丁等;
第四,服务响应时间:CentOS所有内容都需要企业自己来服务,或者找外部服务商提供服务;
第五,产品生命周期&技术生态:商业版会有长期的支撑,有不断的更新和配置;
第六,产品稳定性:企业要使用任何产品都要确定稳定、安全、可靠。
“红帽是100%开源,永远是上游优先。”曹衡康指出,不管选择RHEL还是CentOS Stream,红帽永远把决定权交给客户,红帽一直秉承包容的方式去经营开源社区。
原来CentOS的客户可以继续使用CentOS Stream,它的功能更多、更强调创新,而且生态伙伴也会在CentOS Stream中加入新的功能。CentOS 8只要敲两条命令,就可以轻松地迁移到CentOS Stream,像原来一样更新软件包。
当然也有人认为CentOS Stream到了RHEL的上游可能缺乏稳定性。红帽中国首席架构师张家驹表示,CentOS Stream和RHEL用的是一套代码基础,同时进了两个编译系统,一个是内部编译一个是外部编译,所有的编译的测试都是相同的,只是CentOS Stream发布的时间点,比RHEL要提前,这也是体现了上游优先的原则。
好文章,需要你的鼓励
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。