Lucidity承诺将为Kubernetes存储开支带来更好的控制,将其AutoScaler平台的服务范围扩展到容器编排平台。
联合创始人Vatsal Rastogi表示,Kubernetes支持是这家块存储扩展专家的客户"最迫切需要"的功能。持久化存储在Kubernetes最初开发时并非重点考虑,因为它是为无状态工作负载而设计的。
他继续说道,随着传统企业和云原生组织对该平台的稳步采用,"我们看到组织使用Kubernetes不仅仅是管理他们的无状态资产,而是管理他们的整个生态系统,包括数据库或其他存储密集型工作负载。"
Lucidity表示"Kubernetes中的持久化卷可能是隐性浪费的潜在来源"。虽然Kubernetes本身会自动扩展实例数量,但底层存储通常保持不变,往往未得到充分利用。
因此,AutoScaler现在将在亚马逊弹性Kubernetes服务中对持久化卷进行上下扩展。Rastogi说他们的产品基于三个核心原则构建,首先是确保与云服务提供商的PaaS产品集成,这是客户的首选方案。
其次,它希望确保没有IO路径入侵。"我们仍然希望微软的优秀团队和Linux的杰出贡献者来承担繁重的工作。"他说,"我们希望确保能够无缝接入现有存储。"
**Pod级别优化**
该服务提供Pod级别隔离,"我们支持容错,无论是Pod重启、重新调度、驱逐活动,所有这些都是Kubernetes的基本要素。"
他说,接入现有存储的能力得到了现有客户的"高度赞赏","这再次验证了我们关于客户对现有存储敏感的论断。"
Lucidity声称,该服务可为客户节省高达70%的云块存储支出。
关于存储在Kubernetes设置中所占支出比例,Rastogi表示"中位数约为25%。"
该服务最初在AWS上推出,Azure即将发布,GCP也在路线图中。然而,尽管许多地区都在推动更多主权云和AI服务,该公司并不打算很快支持较小的或区域性提供商。
Rastogi说,构建AWS支持是一项"非常庞大的工作","现在我们可以同样轻松地为Azure或Google Cloud构建一个层。"他说,这些提供商将占据高达70%的市场份额,"我们是一家小公司,我们希望将精力集中在我们有更好、更深入理解的细分市场。"
Lucidity还对其整体AutoScaler服务进行了调整,改进了报告功能,包括更精细的信息和在几秒钟内生成报告的能力。它还为Linux安装添加了批量接入功能,允许团队一次性添加数百个实例。
Q&A
Q1:Lucidity的AutoScaler能为Kubernetes用户带来什么好处?
A:AutoScaler可以对Kubernetes中的持久化卷进行智能扩缩容,解决底层存储利用率不足的问题,为客户节省高达70%的云块存储支出。它提供Pod级别隔离,支持容错、重启、重新调度等Kubernetes基本功能。
Q2:为什么Kubernetes的存储成本控制这么重要?
A:持久化存储在Kubernetes中容易成为隐性浪费的来源。虽然Kubernetes能自动扩展实例数量,但底层存储通常保持不变且利用率不足。在Kubernetes设置中,存储支出的中位数约占总支出的25%。
Q3:Lucidity的AutoScaler目前支持哪些云平台?
A:该服务最初在AWS上推出,Azure即将发布,GCP也在开发路线图中。公司专注于这些主要云服务提供商,因为它们占据高达70%的市场份额,暂不计划支持较小的区域性提供商。
好文章,需要你的鼓励
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。
OpenAI发布"企业知识"功能,为ChatGPT商业版、企业版和教育版用户提供连接组织数据的能力。该功能集成Slack、SharePoint、Google Drive、Teams和Outlook等应用,但不包含OneDrive。用户需单独验证每个连接器,数据经过加密且不用于训练。与微软365 Copilot的30美元月费相比,ChatGPT商业版仅需25美元,在品牌认知度和价格方面具有竞争优势。
石溪大学等机构联合开发的TimeSeriesScientist是全球首个端到端AI时间序列分析系统,通过四个AI智能体协同工作,能完全自主完成从数据清理到预测报告的全流程。该系统在八个领域测试中表现卓越,预测误差比传统方法降低10.4%,比其他AI方法降低38.2%,并能生成详尽的可解释报告,将专业级数据分析能力民主化。