有些人只要一有最新版本的操作系统就会立刻更新,另一些人则坚持使用旧的操作系统,直到它布满了蜘蛛网和灰尘。Red Hat让你可以两者兼得。
继上周宣布对流行了十年之久的RHEL 7.9再提供四年支持之后,这家Linux和超云领导厂商近日发布了最新的Linux旗舰Red Hat Enterprise Linux (RHEL)9.4。
不要指望其他RHEL版本也能获得这种延长生命周期的支持。与Canonical为所有长期支持(LTS)版本的 Ubuntu 提供12年支持不同,Red Hat正在为 RHEL 7 提供延长生命周期支持(ELS)——一次性地延长四年的支持。这意味着 RHEL 7.9的支持不会于2024年6月30日结束,你现在可以在 2028年6月30日之前获得 RHEL 7.9的维护支持,包括安全补丁和漏洞修复。
当然,Red Hat真正希望你做的是升级到更新版本的RHEL,比如RHEL 9.4。这款先进的Linux企业版的最新版本引入了大量新功能,旨在简化混合云环境的管理。
正如RHEL副总裁兼总经理 Gunnar Hellekson所说:“Linux不再只是内核或命令行。它的意义在于使平台更易于访问、管理和响应,尤其是当技术组织在混合云上进行扩展时。无论是探索人工智能工作负载的潜力,还是仅仅尝试优化现有资源,最新发布的RHEL都有助于化繁为简并提高效率,同时还能充分地利用现有的技能和工具。”
具体来说,RHEL 9.4增强了管理和自动化功能,并为构建分布式系统的标准运行环境(SOE)提供了主动支持。
在一定程度上,SOE是由部署就绪的 Ansible DevOps内容集驱动的,这些内容集有助于配置和启动常见的管理任务。这些与角色相关的功能包括:
如果你靠管理云为生,你可能会想知道,在IBM完成对其母公司HashiCorp 的收购之后,Red Hat有什么计划将Ansible DevOps与Infrastructure as Code (IaC) Terraform结合起来。Red Hat还没有给出答案。(是的,我问过了。)DevOps/IaC 双管齐下的可能性肯定是存在的。
与此同时,包括Insights image builder在内的Red Hat Insights更新将使创建可立即运行的RHEL SOE变得更加容易。该工具很快将提供主动指导,推荐更多相关软件包,并突出显示关键的生命周期信息,帮助系统管理员和运营团队管理升级和系统寿命。
Red Hat Hybrid Cloud Console的虚拟助手现在可以帮助你针对特定云平台创建自定义镜像。此外,自动化集成继续深化,新的RHEL系统角色简化了应用程序执行策略、快照管理和系统启动配置等任务。这些工具旨在减少人为错误,提高大规模运行效率。
RHEL 9.4还提高了安全性。凭借其零信任架构(ZTA)安全模型,RHEL密钥身份验证通过FIDO2(Fast IDentity Online 2)兼容密钥为集中管理的用户实现了无密码和多因素身份验证(MFA)。你还可以通过RHEL网络控制台配置高性能Linux内核VPN——WireGuard,这进一步提高了系统安全性。
开发人员会很高兴看到Python 3.12、PostgreSQL 16、Ruby 3.3、MariaDB 10、LLVM 17、Rust 1.75 和 Go 1.21 的新Application Streams。简而言之,当今最新的语言和数据库管理系统版本都将随时可用。
凭借RHEL 9.4的全面上市,红帽还扩大了对各种硬件架构的支持,包括对 ARM的全面支持。此举确保了Red Hat解决方案能够同它想要支持的混合环境一样灵活,能够适应各种服务器平台。
准备好迁移到新环境了吗?老客户现在已经可以通过Red Hat Customer Portal获得RHEL 9.4了。
好文章,需要你的鼓励
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。