红帽公司调整OpenStack平台升级策略,旨在吸引更多受众

简介:

红帽公司正在转变其OpenStack支持计划,希望能够在自身工程开发工作当中吸引到更多渴望实现敏捷化目标的参与者们的加入。

作为Linux的好搭档,OpenStack Platform10即将由红帽方面推出并基于Newton版本。另外,红帽方面还计划在未来三年周期内支持两套规划中的新版本。

红帽OpenStack Platform每六个月进行一次年度支持,这意味着其将引入OpenStack开源云代码中的最新功能,同时吸引更多希望实现敏捷化目标的客户群体。

次级红帽发行版本将每18个月进行一次交付,其亦将被整合至三年支持承诺当中。大家亦可以选择采用一到两年的扩展支持选项,这意味着整套OpenStack软件包将具备长达五年的支持周期。

这种更为保守的选项主要面向前沿领域之外那些希望利用成熟功能构建长期基础设施的受众群体。

截至目前,红帽公司刚刚在其为期三年的生产支持阶段当中,推出一套OpenStack Platform软件包方案。

第一年提供技术支持、安全性更新、bug修复、新功能向下移植、安装工具更新以及新合作伙伴纳入。第二年与第三年则不再进行向下移植、安装工具更新以及合作伙伴纳入。

红帽公司OpenStack总经理Radhesh Balakrishnan在接受采访时表示,根据过去12个月的表现,目前其需要提供两套支持模式。Balakrishan指出:“我们发现企业的实际需求各不相同,其中一些希望快速投向新方案怀抱,而另一些则倾向于选择慢慢稳步前进,”Balakrishnan解释称。“具体取决于用于构建OpenStack基础设施的实际用例。”

当然,根据红帽公司的打算,其希望在吸引到敏捷化相关客户之后,能够切实引导后者利用红帽的OpenStack方案作为其基础设施运营选项。

为了实现这套两布走式OpenStack发布战略,红帽公司对自身工程开发体系进行了调整。Balakrishnan介绍称,红帽公司已经将原本OpenStack Platform 9的5个月开发周期缩减为版本10的2个月,而其未来目标则是将发布周期缩短至“数周之内”。

红帽公司为了实现这项目标,需要在开发、测试与初始发布阶段同步执行质量保证与合作伙伴集成工作,而不再像之前那样分布进行。

此次公布的全新支持策略非常类似于其Linux竞争对手Canonical为Ubuntu选取的路线,后者同样提供两套支持模式:标准型与长期支持(简称LTS)型,用以满足不同需求。

LTS版本的Ubuntu系统每两年发布一次,Canonical方面将为其提供长达5年的支持周期。相比之下,Canonical公司还会每6个月推出一套标准发行版,其具备9个月免费支持,主要用于衔接长期支持版本中两年间隔内的功能特性调整任务。

本文转自d1net(转载)

目录
相关文章
|
SQL Java 分布式数据库
Flink CDC HBase字段类型与Flink SQL类型之间的转换
【1月更文挑战第4天】【1月更文挑战第19篇】Flink CDC HBase字段类型与Flink SQL类型之间的转换
237 1
|
缓存 Java API
【揭秘】.NET高手不愿透露的秘密:如何让应用瞬间提速?
【8月更文挑战第28天】本文通过对比的方式,介绍了针对 .NET 应用性能瓶颈的优化方法。以一个存在响应延迟和并发处理不足的 Web API 项目为例,从性能分析入手,探讨了使用结构体减少内存分配、异步编程提高吞吐量、EF Core 惰性加载减少数据库访问以及垃圾回收机制优化等多个方面,帮助开发者全面提升 .NET 应用的性能和稳定性。通过具体示例,展示了如何在不同场景下选择最佳实践,以实现更高效的应用体验。
176 3
|
Linux Shell
linux没有lsof命令
linux没有lsof命令
2373 0
linux没有lsof命令
|
弹性计算 API Python
阿里云百炼应用之流程编排
阿里云通义百炼平台流程编排使用教程。
914 2
|
消息中间件 Java Kafka
filebeat+kafka+logstash+elasticsearch+kibana实现日志收集解决方案
filebeat+kafka+logstash+elasticsearch+kibana实现日志收集解决方案
378 0
|
SQL 存储 分布式计算
HDFS/HBase技术报告·分布式数据库设计架构的全面解析
HDFS/HBase技术报告·分布式数据库设计架构的全面解析
HDFS/HBase技术报告·分布式数据库设计架构的全面解析
|
人工智能 运维 Cloud Native
阿里巴巴云原生大数据运维平台 SREWorks 正式开源
阿里巴巴云原生大数据运维平台 SREWorks,沉淀了团队近10年经过内部业务锤炼的 SRE 工程实践,今天正式对外开源,秉承“数据化、智能化”运维思想,帮助运维行业更多的从业者采用“数智”思想做好高效运维
|
机器学习/深度学习 人工智能 算法
解密蚂蚁研发效能:如何用数据驱动效能提升?
本文整理自蚂蚁金服解决方案架构师添棋在「中国DevOps社区杭州第3届Meetup」上的分享《研发洞察:如何用数据驱动效能提升》,将围绕决策辅助和研发辅助两个方向,详细讲解在蚂蚁金服内部如何基于AI、数据技术,洞察研发效率,提供面向一线研发和团队TL的提效解决方案
1301 0
解密蚂蚁研发效能:如何用数据驱动效能提升?
|
XML 安全 Java
Java核心技术之 深入理解注解(Annotation)
Java核心技术之 深入理解注解(Annotation),深入注解原理、注解场景以及使用,重新了解注解
Java核心技术之 深入理解注解(Annotation)
|
机器学习/深度学习 并行计算 算法
嵌入式 GPU 平台部署
近些年来,随着计算能力的大幅提升,深度学习网络得以快速的发展,已经被广泛应用于语音识别、计算机视觉、自然语言处理等研究。为了提取更加有效的特征,深度学习网络的层数增长较快,并且具有计算量大、参数多的特点,需要高性能的GPU等设备为其提供算力的支持。另一方面,随着无人机、机器人、智能手机等嵌入式或移动设备的快速发展,在这些设备上部署深度学习网络的需求也变得更加强烈。然而这些实时应用平台上的资源(例如存储、计算以及电池功率等)都非常有限,因此在这些平台上加速与优化深度学习网络变成了学术界和工业界共同关注的研究课题。
603 0
嵌入式 GPU 平台部署