红帽近日表示,正在升级专门针对AWS客户的云原生和基于容器的应用开发平台Red Hat OpenShift。
Red Hat在本周举行的AWS re:Invent 2023大会上表示,Red Hat OpenShift Service on AWS(ROSA)将通过新增的托管控制平面而得到增强,为用户带来诸多好处,包括更低的成本、更高的运营效率、以及增强的可靠性和弹性。
ROSA平台于2021年首次推出,作为一种交钥匙型的应用开发平台,让企业能够更快地构建和部署业务应用,同时利用AWS云的规模和功能,从而让开发人员可以利用Amazon的原生云服务,专注于创新,而不用操心管理应用的底层基础设施。此外,客户还可以通过AWS Marketplace享受简化的计费方式。
ROSA是Red Hat OpenShift平台的专业版本,使用Kubernetes容器编排平台大规模构建和部署现代应用。有了它,企业就可以更轻松地创建运行在任何计算平台和任何位置的应用。
Red Hat表示,通过增加托管控制平面,客户将能够以多种方式从中受益。Red Hat表示,托管控制平面为他们提供了一个高度可用的控制平面,该控制平面与AWS基础设施内的其他应用相互隔离,可以更有效且更高效地利用云资源。
Red Hat承诺,对用户来说最显着的好处之一是降低了总拥有成本。根据Red Hat的研究表明,当客户部署带有托管控制平面的ROSA时,与在自己AWS账户中托管控制平面相比可以节省高达5倍的成本。
此外,客户可以根据需要更轻松地启动和拆卸集群,从而进一步节省成本。托管控制平面的另一个优点是让客户可以更轻松地更改节点类型。
效率的提高源于基础设施配置现在实现了完全自动化,这意味着部署新应用所需的时间更短了。此外,由于用户只需要等待工作节点,因此可以加速工作负载调度。最后,带有托管控制平面的ROSA无需自动扩展,因为现在已经完全自动化了。
Red Hat表示,在可靠性和弹性方面,卸载控制平面基础设施管理可以消除意外删除云资源的可能性,因为AWS管理员只需与工作负载交互,而不用与控制平面工件交互,这可以简化所有权模型,让用户有选择地分别升级控制平面和工作节点,从而拥有更多的控制和灵活性。
最后,Red Hat列出了一长串在ROSA平台中实施架构改进所带来的好处。据说最新版本在用户如何部署和管理ROSA集群方面引入了“范式转变”,例如,开发人员现在可以在云区域内的单个可用区域、两个区域或者所有区域中发布他们的应用,而无需担心控制平面的可用性,因为可用性始终是分布在多个区域的。
用户还能够快速为每个Kubernetes集群配置专用的、隔离的控制平面,可以选择将其公开或通过专用的AWS PrivateLink终端节点私下公开。
对于云管理员来说,他们将能够简化配置过程,其中各种资源已移出集群边界范围,他们可以通过ROSA命令行界面或OpenShift Cluster Manager工具直接配置单一的事实来源。
Red Hat还谈到了安全性方面的好处,由于控制平面与工作负载的解耦而加强了安全边界,控制平面也与工作节点升级分开,确保控制平面升级节奏更加一致和安全,而不会影响到这些节点。
好文章,需要你的鼓励
本文探讨了达成人工通用智能(AGI)七大路线中的线性进阶路径,预测了从2025年至2040年 AI 技术与社会效应的关键年度节点。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。
MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架,通过创新的"检索增强掩码预测"任务,训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段:首先在掩码预测任务上预训练,然后在下游任务上微调,大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法,结合多代理系统和课程学习策略,使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。