Rackspace 正在将其部分后台工作负载从 VMware 迁移到云基础设施提供商 Platform9 的 Private Cloud Director 平台上。
据了解,在 Broadcom 调整许可证定价后,Rackspace 的软件支出上涨,促使其考虑测试从 VMware 迁移到成本更低的替代方案。
Rackspace 的产品和架构现代化副总裁 Justin Kuss 表示:"我们意识到许可证变更及其对我们的影响。我们正在寻求以最高效的方式运行基础设施。"
基于这一目标,Rackspace 已将约 50 个运行数据库、应用服务器和第三方软件系统的虚拟机迁移到 Platform9 的 Private Cloud Director (PCD)。
PCD 于 2024 年推出,旨在复制 VMware 技术栈中的大部分功能。Platform9 还开发了一个名为 vJailbreak 的工具,用于将 VMware 实施迁移到 OpenStack (可在其 GitHub 仓库查看)。
Platform9 联合创始人兼产品副总裁 Madhura Maskasky 向记者表示,vJailbreak 旨在自动化 VMware 迁移过程,其成本远低于分析机构 Gartner 最近预估的每个虚拟机 300 美元到 3,000 美元的专业迁移服务费用。
Rackspace 的 Kuss 对该工具印象深刻,他告诉我们该工具可以在一小时内完成虚拟机迁移。他表示 Rackspace 目前有约 3,000 个虚拟机可能会迁移到 PCD。
他特别强调,Rackspace 与 Broadcom 仍保持着良好的合作关系,并继续提供 VMware 托管服务。
[后续内容翻译继续...]
在收购 VMware 后,Broadcom 开始只销售 VMware 产品捆绑包。虽然 Broadcom 坚称其捆绑包中各个产品的单价已降低,但由于必须整体购买、预付订阅费用以及包含支持服务,几乎所有 VMware 用户都面临账单上涨。
Platform9 的 Maskasky 曾是 VMware 团队的成员,参与开发了 vCloud Director,这是 Broadcom 主打产品 Cloud Foundation 私有云技术栈的前身。她告诉记者,基于她和同事们的经验,他们开发 PCD 是为了提供一个便于 VMware 迁移的目标平台。为实现这一目标,Platform9 重写了大量现有平台代码,添加了新的用户界面,并使用 Kubernetes 部署关键组件。最终产品采用开源 KVM 虚拟机管理器、OpenStack 和 Kubernetes,提供一个可托管虚拟机和容器、运行虚拟网络,并可处理软件定义存储和第三方存储的平台。
Maskasky 表示,一家未透露名称的财富 500 强公司已采用 PCD,计划将超过 40,000 个虚拟机从 VMware 迁移出来。她还提到另一家印度的财富 500 强公司也在进行类似规模的迁移。
最近,一位 HPE 高管表示,大多数迁移出 VMware 的组织是"出于怨气",因为他们在 Broadcom 收购 Computer Associates 和赛门铁克企业业务后已经有过不愉快的经历。
Kuss 表示这并非 Rackspace 的动机。"我们只是想最大化资源利用,"他说。"去年发生的事情可能确实让一些人心存芥蒂,但我认为人们只是在说:'看,也许是时候重新审视基础设施并看看还有什么其他选择了'。"
Maskasky 告诉我们:"有些客户对 Broadcom 确实有强烈情绪。其他人则只是想要多样化。他们不想再受制于单一平台,让供应商可以随意说'我要把价格提高 10 倍'。他们不想再处于这种被动地位。"
因此,一些用户寻求替代供应商来承担部分虚拟机业务,以获得议价能力。
据了解,云服务提供商 Anexia 和 Beeks Group、保险公司 GEICO、Computershare 和 Boyd Gaming 都在进行大规模迁移,离开 VMware。
然而,Broadcom CEO 陈福阳向投资者表示,收入和利润增长都超出预期。
我们最近见到的 HPE 高管暗示,未来几年可能会有更多迁移潮,因为迁移需要时间准备。Gartner 也提供了类似预测,认为许多 VMware 用户虽然对 Broadcom 有疑虑,但会续签许可证,同时计划在下一次付费到期前完成迁出。
目前值得注意的是,作为 Broadcom 的重要合作伙伴,Rackspace 可能会大幅减少 VMware 产品的使用,同时采用它曾参与创建的 OpenStack 工具。
好文章,需要你的鼓励
清华大学研究团队提出了一种名为"硬负样本对比学习"的创新方法,显著提升了大型多模态模型在几何理解与推理方面的能力。通过构建图像和文本两类负样本,以及开发MMCLIP训练策略,他们的MMGeoLM模型在四个几何基准测试中表现卓越,甚至以7B参数规模与GPT-4o相媲美。实验证明,仅4K个真实图像负样本的效果就超过了100K个文本负样本,为AI细粒度视觉理解开辟了新路径。
《离散马尔可夫桥》研究提出了一种新型离散数据表示学习框架,克服了传统离散扩散模型使用固定转移矩阵的局限。该框架包含矩阵学习和分数学习两个核心组件,能够自适应学习转移率矩阵并有效重建原始数据分布。理论分析证明了其有效性和收敛性,而在Text8和CIFAR-10数据集上的实验展示了其优越性能,证明了这一方法作为离散表示学习统一框架的潜力。
这项由华盛顿大学和新加坡国立大学研究团队提出的ScaleKV技术,针对视觉自回归模型中的内存瓶颈问题提供了创新解决方案。研究发现不同变压器层具有不同的缓存需求,将它们分为需要大量历史信息的"起草者"和专注于当前细节的"精细器",实现了尺度感知的KV缓存分配。实验表明,该方法能将Infinity-8B模型的内存需求从85GB减少到8.5GB,同时保持生成质量几乎不变,为高分辨率AI图像生成的普及应用铺平了道路。
这项研究提出了一种名为INTUITOR的创新方法,让大语言模型无需外部奖励即可自主学习推理能力。研究者利用模型自身的"自我确定性"作为唯一奖励信号,替代传统需要人工标注或答案验证的方法。实验表明,该方法在数学推理上与使用标准答案的方法相当,并在代码生成等跨领域任务上展现出更好的泛化能力。这为开发能在缺乏外部验证的情况下自我提升的AI系统开辟了新途径,对未来自主学习AI具有深远影响。