EMC推出RackHD Machine Driver,加速数据中心对容器的支持

本文涉及的产品
容器镜像服务 ACR,镜像仓库100个 不限时长
容器服务 Serverless 版 ACK Serverless,952元额度 多规格
容器服务 Serverless 版 ACK Serverless,317元额度 多规格
简介:

EMC公司(NYSE:EMC)宣布推出RackHD Machine Driver,这是一款与硬件无关的解决方案,支持直接在裸机上部署Docker解决方案。RackHD Machine Driver已与Docker Machine集成,以针对运行Docker Engine以及未来出台的其他Docker解决方案的物理服务器进行全生命周期管理。新的RackHD Machine Driver计划整合了交钥匙型容器平台和RackHD硬件管理及调配功能,可帮助用户简便地在服务器裸机上部署Docker容器,并简化软件基础架构部署。该计划是EMC团队一系列面向开发人员及开源社区的容器解决方案计划中的最新计划。

RackHD Machine Driver运用RackHD硬件管理及调配功能和RackHD开放API实现硬件管理自动化,因此可提高效率。这款最新解决方案与专注于实现虚拟机及专有系统自动化的其他同类解决方案不同,有了RackHD Machine Driver,操作人员和开发人员就可以简便地利用容器提高基础架构及应用的运行和开发效率。EMC团队今年推出的其他开源解决方案还包括REX-Ray、Polly、libStorage和UniK。

企业级环境对容器和应用平台的需求与日俱增,因此企业也越来越期望在DevOps及软件方法指导下运行基础架构。RackHD Machine Driver使企业中的各种团队能够灵活自如地运用开源基础架构和容器。通过与Docker Machine紧密集成,采用创新管理方法的RackHD Machine Driver在私有云及实体数据中心中可与Docker完美匹配。二者结合使容器平台能够成功进入实体数据中心,并有助于实现新一代软件定义的数据中心。

RackHD Machine Driver的主要特点:

●对运行Docker解决方案的物理服务器进行全生命周期管理;

●与服务器厂商完全无关,调配功能适用于各种数据中心;

●通过可定制工作流程支持额外的集成和操作系统

●通过Docker容器简化操作体验;

●可用来配置其他应用平台;

●通过与Rancher 1.0集成,支持在私有云中的裸机上部署Docker解决方案,简化容器平台使用体验。

上市

RackHD Machine Driver已开始在GitHub上提供。

EMC高管引言:

EMC公司EMC事业部技术副总裁Josh Bernstein

“容器的使用已经蔚然成风。我们的目标是,提供紧密结合的整体解决方案,使容器和存储系统易于使用,并得到进一步普及,同时帮助企业用户有效利用灵活的容器生态系统及其提供的多种选择。”

EMC客户引言:

Adobe公司基础架构设计师Frans Van Rooyen

“RackHD裸机配置和调配引擎具备更高的自动化和工作流程及固件管理水平,帮助我们节省了大量基础架构部署时间。”

EMC合作伙伴引言:

Docker公司业务拓展与技术联盟事业部副总裁Nick Stinemates

“随着越来越多的企业用户在生产环境中部署Docker解决方案,增加持久性存储等关键功能也变得愈加重要了。EMC团队的工作有助于存储与容器调配更简便、更紧密地结合成一个整体。”

Rancher实验室联合创始人、首席执行官Sheng Liang

“Rancher 1.0直接利用RackHD Machine Driver支持私有云裸机部署。Rancher与RackHD相结合,可提供丰富的用户体验,使DevOps管理员能够在生产环境中大规模运行Docker,这种能力正是容器社区所需要的。”

关于EMC

EMC作为全球领导厂商,帮助企业和服务提供商实现运营转型,交付IT即服务。这一转型的基础是云计算。EMC通过创新的产品和服务,加速云计算之旅,帮助IT部门以更灵活、更可信和成本效益更高的方式,存储、管理、保护和分析他们的最宝贵的资产——信息。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
5月前
|
网络安全 开发者 Docker
探索 Docker Machine:打造无缝多平台容器部署的利器
探索 Docker Machine:打造无缝多平台容器部署的利器
126 0
|
存储 安全 Linux
论数据中心虚拟化两大技术代表:容器和虚拟机
如今,虚拟化技术在数据中心内已经生根发芽,应用非常普及,无论是在服务器、还是网络、存储等设备中都是如此。
284 0
|
3月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。