微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 蓝汛通信与Aspera达成战略合作 提供高效文件传输服务

蓝汛通信与Aspera达成战略合作 提供高效文件传输服务

2014-09-01 18:17
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-09-01 18:17 CNET科技资讯网

蓝汛通信与美国知名广域网高速数据传输解决方案提供商Aspera达成战略合作,致力于为客户提供最优性能的超大文件高速传输服务。

大数据时代,人们对数据传播、共享的需求空前膨胀。据相关研究报告,预计到2020 年,全球数据量将达到35.2ZB,而中国产生的数据总量将超过8.5ZB,是2013年的10倍。每天,有大量个人、企业进行跨国、跨地区等远距离数据传输,使全球范围内的高品质高速数据传输面临巨大挑战。尤其在IT基础设施条件不完善与网络环境不理想的情况下,远距离文件传输常出现严重的网络延迟和丢包,影响文件传输的速度和质量。

蓝汛ChinaCache通过与Aspera的战略合作,将Aspera的fasp™传输技术与蓝汛ChinaCache优质的CDN网络服务相结合,保障大容量文件在全球范围内实现高速传输。并全面满足高速、安全、可控、经济、灵活五个方面的使用需求:通过解决传输协议瓶颈,实现传输速率最大化,通过提升传输稳定性,使文件传输速率完全不受网络延迟的影响,满足高效传播核心需求;通过提供完整的内置安全机制,支持静、动态加密,保障数据安全;支持多种传输策略,具备多种带宽自适应控制技术,能够随时检测网络状况,保障传输过程的可控性;纯软件,不需要额外硬件投入,并可根据带宽需求购买相应的license,同时支持数据量/带宽单次收费模式,降低采购成本,经济实用;部署灵活,多种传输构架和完整的跨平台支持可以应对各种传输环境,完善的SDK开发包及API接口,支持客户二次开发与集成。

基于传统传输控制协议(TCP)技术下的文件传输,远距离传输丢包及延时明显,同时丢包和延时对TCP的传输速度影响极大,传输距离越远,传输链路的丢包及延时就越严重,造成传输速度呈几何倍数的下降。

蓝汛ChinaCache与Aspera提供的文件高速传输服务,具备卓越的带宽控制能力,用户可以对每个fasp™数据流获取带宽的能力进行设置。可以按不同时段定义占用带宽量,根据需求设置起始速率及期望速度,随时检测网络状况,自动调节传输速度以保障收发端网络上其它应用的正常进行。fasp™还支持带宽共享机制,用户可以选定用固定速率传输,从而使传输速率不受网络传播速度慢的影响。

双方的合作将使数据传输速度提升3-184倍,优良的宽带自适应控制技术将保障网络的畅通与稳定,而128位AES加密手段将确保数据传输的绝对安全。尤其在网络传输距离遥远和网络动态性能差的情况下,使用高速文件传输服务的超大文件表现出更加卓越的传输性能,良好的解决了企业大文件跨距离传输及时交付的问题。

蓝汛ChinaCache和Aspera的合作正逐渐使越来越多的企业获益。国内某电视台采用了高速文件传输服务后,解决了偏远地区记者站大量新闻视频素材回送总部慢的问题,栏目组能够及时制作新闻节目,有效保证了新闻的时效性。该产品针对跨国传输的品质提升更为明显,国内某网络电视台通过文件高速传输服务为全球覆盖150个国家和地区的多个电视台海量数字内容高速同步传输,提供了强有力支持。如今,好莱坞、国内外主流广播电视网络、科研机构、政府机构和财务500强企业都在使用文件高速传播服务进行重要的数据传输。

蓝汛ChinaCache创始人兼CEO王松表示:“目前,大数据时代空前膨胀的文件共享需求对网络传输能力提出了更高的要求和挑战。蓝汛ChinaCache作为Aspera的战略合作伙伴,将通过fasp™最优的传输技术,为广大客户提供卓越的高速文件传输服务,保障终端用户体验。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-