Windows Server 2025 Hyper-V 新变化

今天简单跟大家聊聊Windows Server 2025 Hyper-V一些新功能新变化,具体如下:

在 VM 之间共享 GPU

随着图形处理器的重要性日益增加,特别是由于它们在 AI 应用程序中的核心作用,Hyper-V 中对 GPU 的现有支持已不再足够。到目前为止,它仅限于使用直接设备分配 (DDA) 将 GPU 传递到虚拟机,使其独占于该特定 VM

考虑到它们的高性能和成本,现代图形处理器的这种利用效率低下。因此,Windows Server 2025 将允许对 GPU 进行分区,使其能够在多个 VM 之间共享。

跨多个虚拟机对 GPU 进行分区

除了提高资源利用率外,此 GPU 虚拟化还支持集群内和独立主机之间的实时迁移。以前将物理硬件直接分配给 VM 的概念阻止了 VM 到另一台主机的不间断传输。这同样适用于 VM 的高可用性,现在在使用 GPU 分区时支持高可用性。

新功能的先决条件是支持单根输入/输出虚拟化 (SR-IOV)、AMD Milan Intel Sapphire Rapids 处理器以及 Nvidia GPU A2A10A16 A40Windows 10/11Windows Server 2019/2022 Linux Ubuntu 18.04/20.04 LTS 可用作来宾。

图形处理器池化

除了 GPU 分区之外,Windows Server 2025 还支持相反的过程:即将多个图形处理器组合到一个虚拟 GPU 中。此池专为故障转移而设计,不支持实时迁移,因为它依赖于 DDA

用于 VM 故障转移的 GPU

管理员需要在每个群集节点上创建一个同名的池,并将 VM 分配给此池。如果节点发生故障,群集将在另一台服务器上启动 VM,并将其连接到相应的池。

工作组群集中的实时迁移

Windows Server 2025 引入了有关实时迁移的另一项创新。从版本 2016 开始,操作系统允许在工作组中设置集群。这种配置主要适用于较小的部署,例如远程办公室,在这些部署中,组织希望使基础结构尽可能简单。传统上,不是 Active Directory 成员的群集不支持所有工作负载,对于 Hyper-V 角色,它仅提供快速迁移。这在 Server 2025 中发生了变化,它在无 AD 群集上引入了基于证书的实时迁移。

集群中的混合 CPU

动态处理器兼容性也有一个更新。它允许将具有来自同一制造商的不同代处理器的计算机分组到一个群集中。在这种情况下,Windows 仅使用 CPU 功能的最低公分母。

动态处理器兼容性允许在集群中使用不同的至强 CPU

2025 版本中,现在可以在一个集群中混合使用第三代和第四代英特尔至强处理器。

Gen2 VM 作为默认值

另一项更改将使第二代 VM 成为默认 VM。目前,使用 Hyper-V 管理器或 Windows Admin Center 创建 VM 时,默认值仍为 Gen1Gen2 不仅提供更高的可伸缩性,还支持安全启动、TPM UEFI 等功能。

Hyper-V 的存储改进

即将推出的 Windows Server 版本在存储功能方面引入了一系列增强功能,特别有利于虚拟化工作负载。

其中包括由于新的本机驱动程序而改进了 NVMe 的性能。据制造商称,与 Server 2022 相比,这将使最大 IOPS 数增加多达 90%。此外,新的操作系统将包括一个用于连接到 SAN NVMe over Fabric 启动器。

ReFS 将获得一个新的重复数据删除功能,与当前实现不同,该函数不仅限于冷存储。这涉及通常驻留在文件服务器上的数据,而这些数据很少更改。但是,新的 ReFS 重复数据删除也适用于虚拟驱动器等热数据,有望为 VHDX) 和 ISO 文件节省高达 90% 的存储空间。

综上,我们简单汇总下Windows Server 2025 中的 Hyper-V部分更新内容:包括 GPU虚拟化,这是 VMware 已经拥有一段时间的功能,对 AI 应用程序尤为重要;操作系统支持 GPU 的分区和池化。后者仅用于故障转移,而分区还允许对分配了 vGPU VM 进行实时迁移。支持未加入 AD域基于证书的集群的实时迁移。动态处理器兼容性功能支持第三代和第四代至强 CPU 在集群中共存。Windows Server vNext NVMe SSD 上提供 90% 以上的 IOPSNVMe over Fabric NVMe-oF) 支持。存储副本性能提高了 3 倍。精简配置存储。对存储空间直通 (S2D) 的延伸群集支持。群集感知更新增强功能,使其更具弹性。NetworkATC Windows Server 的支持。新的 ReFS 本机重复数据删除和压缩,针对虚拟机等热数据进行了优化。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/676281.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[Java][算法 哈希]Day 01---LeetCode 热题 100---01~03

LeetCode 热题 100---01~03 ------->哈希 第一题 两数之和 思路 最直接的理解就是 找出两个数的和等于目标数 这两个数可以相同 但是不能是同一个数字(从数组上理解就是内存上不是同一位置) 解法一:暴力法 暴力解万物 按照需求 …

报错ValueError: Unknown CUDA arch (8.6) or GPU not supported

文章目录 问题描述解决方案参考文献 问题描述 报错 ValueError: Unknown CUDA arch (8.6) or GPU not supported 本人显卡为 RTX 3060,CUDA 为 10.2,PyTorch 为 1.5 解决方案 修改 C:\Users\Administrator\Envs\test\Lib\site-packages\torch\utils\c…

【PyQt】08 - 编辑Tab顺序

文章目录 前言一、Tab顺序二、编辑Tab顺序总结 前言 介绍了什么是Tab顺序,以及如何修改Tab顺序。 一、Tab顺序 当你的界面设计好之后,在输入栏按住Tab按键,他会按照你摆放的顺序一次转跳 二、编辑Tab顺序 方法一 然后鼠标左击就可以改变…

前端JavaScript篇之对this对象的理解

目录 对this对象的理解1. 函数调用模式:2. 方法调用模式:3. 构造器调用模式:4. apply、call和bind调用模式: 对this对象的理解 在JavaScript中,this关键字是一个非常重要的概念,它用于指向当前执行上下文中…

【CV论文精读】EarlyBird: Early-Fusion for Multi-View Tracking in the Bird’s Eye View

【CV论文精读】EarlyBird: Early-Fusion for Multi-View Tracking in the Bird’s Eye View 0.论文摘要 多视图聚合有望克服多目标检测和跟踪中的遮挡和漏检挑战。多视图检测和3D对象检测中的最新方法通过将所有视图投影到地平面并在鸟瞰视图(BEV)中执…

面试经典150题 -- 栈(总结)

总的链接 面试经典 150 题 - 学习计划 - 力扣(LeetCode)全球极客挚爱的技术成长平台 关于栈 -- stack 的学习链接 c的STL中的栈 -- stack-CSDN博客 20 . 有效的括号 这题直接用栈模拟就好了; 这里用一种取巧的方法 , 当遇见左括号,加入右…

JAVA设计模式之建造者模式详解

建造者模式 1 建造者模式介绍 建造者模式 (builder pattern), 也被称为生成器模式 , 是一种创建型设计模式. 定义: 将一个复杂对象的构建与表示分离,使得同样的构建过程可以创建不同的表示。 **建造者模式要解决的问题 ** 建造者模式可以将部件和其组装过程分开…

Dynamo批量处理多个Revit文件?

Hello大家好!我是九哥~ 最近很多小伙伴都在咨询Dynamo如何批量处理多个Revit文件,之前写过一篇《Dynamo批量修改多文件项目基点参数》,利用的是后台打开Revit的方式,可以实现一些批量操作的功能。 但是这个方法,对于一…

物理信息神经网络(PINN): 将物理知识融合到深度学习中

物理信息神经网络(PINN): 将物理知识融合到深度学习中 物理信息神经网络(PINN)简介PINN的工作原理PINN模型如何利用物理法则指导模型训练1. 定义物理问题和相应的物理定律2. 构建神经网络3. 定义损失函数数据误差项 (Data-fidelit…

IoC原理

Spring框架的IOC是基于Java反射机制实现的,那具体怎么实现的,下面研究一下 反射 Java反射机制是在运行状态中,对于任意一个类,都能够知道这个类的所有属性和方法;对于任意一个对象,都能够调用它的任意方法…

多 split 窗口 in Gtkmm4

文章目录 效果预览实现概要源代码 效果预览 实现概要 使用Gtk::Paned虽然 Paned 只能装两个子控件, 但是我可以嵌套 paned1 装 box1 和 box2 paned2 装 paned1 和 box3 源代码 #include <gtkmm.h> class ExampleWindow : public Gtk::Window { public:ExampleWindow()…

大模型基础架构的变革:剖析Transformer的挑战者(下)

上一篇文章中&#xff0c;我们介绍了UniRepLKNet、StripedHyena、PanGu-π等有可能会替代Transformer的模型架构&#xff0c;这一篇文章我们将要介绍另外三个有可能会替代Transformer的模型架构&#xff0c;它们分别是StreamingLLM、SeTformer、Lightning Attention-2&#xff…

07 A B 从计数器到可控线性序列机

07. A.从计数器到可控线性序列机 让LED灯按照亮0.25秒。灭0.75秒的状态循环亮灭让LED灯按照亮0.25秒&#xff0c;灭0.5秒&#xff0c;亮0.75秒&#xff0c;灭1秒的状态循环亮灭让LED灯按照指定的亮灭模式亮灭&#xff0c;亮灭模式未知&#xff0c;由用户随即指定。以0.25秒为一…

高职单招怎么搜答案? #经验分享#微信#笔记

当今社会&#xff0c;随着信息技术的迅猛发展&#xff0c;大学生们在学习过程中面临着各种各样的困难和挑战。而在这些挑战中&#xff0c;面对繁重的作业和复杂的题目&#xff0c;大学生搜题软件应运而生 1.题老大 这是一个公众号 亿级数量题库&#xff0c;可截图搜题&#…

动态SQl简单创建

创建pojo实体类&#xff0c;使用lombok注解 package com.example.pojo;import lombok.AllArgsConstructor; import lombok.Data; import lombok.NoArgsConstructor;import java.time.LocalDate; import java.time.LocalDateTime;Data NoArgsConstructor AllArgsConstructor pu…

Maven私服部署与JAR文件本地安装

Nexus3 是一个仓库管理器&#xff0c;它极大地简化了本地内部仓库的维护和外部仓库的访问。 平常我们在获取 maven 仓库资源的时候&#xff0c;都是从 maven 的官方&#xff08;或者国内的镜像&#xff09;获取。团队的多人员同样的依赖都要从远程获取一遍&#xff0c;从网络方…

【每日一题】LeetCode——反转链表

&#x1f4da;博客主页&#xff1a;爱敲代码的小杨. ✨专栏&#xff1a;《Java SE语法》 | 《数据结构与算法》 | 《C生万物》 ❤️感谢大家点赞&#x1f44d;&#x1f3fb;收藏⭐评论✍&#x1f3fb;&#xff0c;您的三连就是我持续更新的动力❤️ &#x1f64f;小杨水平有…

MySQL ——group by子句使用with rollup

group by 子句使用with rollup关键字之后&#xff0c;具有分组加和的功能。即&#xff1a;在所有的分组记录之后&#xff0c;自动新增一条记录&#xff0c;从全局计算所有记录的数据。 0 问题描述 求出每年的学生平均成绩&#xff0c;及历史至今的平均成绩&#xff0c;结果保留…

c++二叉树寒假特训题目(2)

hello&#xff0c;我是Joseph&#xff0c;今天推出第二期c二叉树寒假特训题目。 第一期传送门 第一期答案传送门 这期有7题&#xff0c;目录如下。 目录 题目 二叉树结点查找 二叉树是否对称 ​编辑 二叉排序树 层次遍历 根据前序中序求后序 二叉树高度 ​编辑 二…

【机器学习】合成少数过采样技术 (SMOTE)处理不平衡数据(附代码)

1、简介 不平衡数据集是机器学习和人工智能中普遍存在的挑战。当一个类别中的样本数量明显超过另一类别时&#xff0c;机器学习模型往往会偏向大多数类别&#xff0c;从而导致性能不佳。 合成少数过采样技术 (SMOTE) 已成为解决数据不平衡问题的强大且广泛采用的解决方案。 …