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
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
清华大学研究团队开发出CoIRL-AD自动驾驶新框架,让AI同时具备模仿学习和强化学习能力。该系统在AI内部设置两个"驾驶员",一个负责模仿专家行为,另一个负责探索试错,两者通过竞争合作机制共享知识。实验显示,新系统碰撞率比传统方法降低18%,在罕见场景和跨城市部署中表现更优,为自动驾驶技术提供了新的学习范式。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
UC圣地亚哥与英特尔联合研究提出AT-GRPO算法,首次实现多个AI系统的有效协作训练。该方法让AI团队在真实协作环境中学习,而非单独训练后组合。实验显示,在复杂规划任务中,AI团队成功率从单体AI的14-47%提升至96-99.5%,编程和数学推理任务也有显著改善。这项突破为软件开发、教育、科研等领域的AI应用开辟了新路径。