随着VMware推进基于核心虚拟化技术的私有云愿景,竞争对手正在加快构建替代技术栈的步伐。
基于内核虚拟机(KVM)的开源虚拟化平台OpenNebula上周发布了7.0版本,并将其称为"重大架构飞跃",得益于"重新定义的云边缘编排引擎……旨在支持跨混合和多提供商环境的分布式、自主和智能基础设施"。
新版本还增加了对Arm处理器的支持,以及增强的PCI直通功能,实现了与NVIDIA虚拟GPU的完全兼容,这意味着用户可以在"AI工厂"中部署OpenNebula——这是英伟达对专用于AI工作负载的数据中心或基础设施模块的称呼。
该公司还通过增加更多自动化功能改进了迁移能力,并优化了云配置引擎,包括简化集群设置。OpenNebula已经在开发维护版本,其中包括引擎的完整重新设计,并已开始7.2版本的工作。
红帽的OpenShift虚拟化平台也在持续开发中,上周发布了4.19版本。
主要新增内容是在Azure、Oracle云基础设施和Google云上运行平台的技术预览。一旦红帽完善这些预览功能,就将在合作伙伴方面与VMware接近对等,从而为混合云做出贡献。
另一个值得注意的预览功能是智能资源分配,它实时监控虚拟机的资源利用率,并自动将工作负载分配到有能力良好运行它们的节点上。这样做应该能提高硬件利用率,这正是VMware大力推广其产品的一个重要指标。
Xen的Rust重写
容器运行时公司Edera上周透露,已使用Rust重写了开源Xen虚拟化管理程序的控制平面。
正如两篇文章中所解释的,Edera认为容器在虚拟机内运行时安全性最佳。
这家西雅图初创公司使用Xen的半虚拟化功能,认为这能增强安全性。Edera还相信内存安全语言是安全必需品,因此使用Rust编写了Xen工具栈,据称其性能与xl管理工具相同,但提供了更好的安全性。
红帽还改进了虚拟机迁移工具,让存储阵列承担数据移动的工作,从而减少了完成迁移所需的时间和停机时间。日立Vantara已开发了该技术的预览版本,并正在推动其发展。
另一个新功能支持虚拟机存储的实时迁移,可以迁移到不同的存储层或不同的阵列。同样,这也是一个预览功能,红帽预计将在未来更新中推出。
Nutanix也很忙碌,在6月底发布了其云基础设施栈的更新。
7.3版本添加了多集群虚拟交换机,连接集群并改进跨基础设施模块的工作负载迁移。Nutanix还改进了配置自动化,通过边界网关协议调整增强了虚拟路由,并通过允许用户在Azure Blob存储中存储快照来加强弹性,实现了无需维护Azure计算资源即可恢复的能力。
HPE的虚拟化更新以与备份厂商Veeam合作的形式出现,后者支持前者的Morpheus VM Essentials平台。HPE设计这款产品作为VMware低端vSphere服务器虚拟化套件的替代方案,这些套件在VMware推进私有云的过程中有些被忽视。
几周前,Veeam还悄然透露计划在今年北半球夏季为XCP-NG虚拟化栈提供其软件的测试版。
没有备份等重要辅助服务厂商的支持,任何平台都无法成功,因此HPE和XCP-NG背后的公司Vates在Veeam相信其产品代表机遇这一点上获得了很好的验证。
虚拟化厂商的这一轮集体活跃可归因于博通给VMware带来的变化,后者现在全力投入其监管私有云的Cloud Foundation套件——但价格不菲。博通坚持认为Cloud Foundation通过提供比公有云更便宜的替代方案、提升本地基础设施利用率,以及在最新的第9版中允许简化的类云操作使IT部门更高效,能够快速收回成本。
竞争对手指出VMware大幅提价和潜在锁定风险是考虑其产品的理由。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。