At VeeamON 2024, Veeam announced that in the upcoming version (likely v13), the Veeam Backup & Replication (VBR) Server will be available for Linux systems, in addition to Windows.


Historically, VBR has required a Windows installation. This move to support Linux is a long-awaited shift that many in the community have requested.


Deployment and design details mentioned in the post (though subject to change):

Expected delivery as an OVA (virtual appliance).

Likely based on a hardened Rocky Linux 9.2, managed by Veeam.

It will include a web-based console—though it's unclear if the traditional Windows console will also be available.

Initially, the Linux option may not support other distributions, focusing solely on Rocky Linux at launch.

Feature parity with the Windows version is hoped for, but not guaranteed.


Broader Context & Updates Since Then
Veeam Backup & Replication Version Info

The latest official release is v12.3.1.1139, released on March 19, 2025.
Wikipedia

As of that version, the Linux deployment of the VBR server was not yet available. VBR still runs on Windows in v12.

v13 Rolling Out with Linux Support

On September 3, 2025, Veeam officially released Veeam Backup & Replication 13 (v13)—but only as a Linux-based Software Appliance (VSA). The Windows installer is still pending and expected to come out in the coming months.



Available formats:

OVA (pre-built virtual appliance) for VMware vSphere (requires ESXi 7.0 U2 or later).

ISO for physical host or alternate hypervisor installations—with system requirements including:

x86-64 CPU with at least 8 cores.

Minimum 16 GB RAM, plus ~500 MB per concurrent job.

Two 240 GiB disks (for OS and installation).

Network: 1 Gbps+ local or 1 Mbps+ WAN connection.


Some existing Windows component dependencies still remain. For example, a Windows mount server is required for certain restore scenarios.


Due to the architecture changes in v13, Veeam has extended support for v12 (including its agents and plugins) to 4 years instead of the usual 3


#veeam #linux #backup

خیلی از دانشمندان و مخترعان مشهور، تحصیلات دانشگاهی رو تا مقاطع بالاتر ادامه ندادن و حتی بعضی‌ها اصلاً مدرک رسمی هم نداشتن، اما اثر بزرگی در تاریخ علم گذاشتن. چند نمونه از کسانی که نهایتاً در سطح لیسانس (کارشناسی) موندن یا حتی کمتر داشتن:

1. چارلز داروین – پدر نظریه تکامل؛ او در رشته الهیات در کمبریج لیسانس گرفت و هیچ‌وقت تحصیلات تکمیلی دانشگاهی در زیست‌شناسی نداشت.


2. مایکل فارادی – یکی از بزرگ‌ترین فیزیکدان‌ها و شیمیدان‌ها؛ هیچ مدرک دانشگاهی نداشت و عملاً خودآموخته بود.


3. گریگور مندل – پدر علم ژنتیک؛ تحصیلاتش بیشتر در الهیات بود و هیچ‌وقت به مدارج بالای علمی رسمی نرسید.


4. آلن تورینگ – از پایه‌گذاران علم کامپیوتر و رمزنگاری مدرن؛ او در کمبریج لیسانس ریاضیات گرفت و بعدها تحقیقاتش را ادامه داد، اما دکتری نگرفت.


5. استیون واینبرگ (برنده نوبل فیزیک) – تحصیلاتش در مقطع لیسانس در رشته فیزیک بود و بعد وارد پژوهش شد، گرچه بعدها افتخارات زیادی کسب کرد.


6. لارنس براگ – برنده نوبل فیزیک در ۲۵ سالگی، زمانی که تنها مدرک لیسانس داشت.



جالب اینجاست که در تاریخ علم، مدرک خیلی تعیین‌کننده نبوده؛ بیشتر کنجکاوی، پشتکار، و شهامت اندیشیدن متفاوت باعث تحول شده.
دانشمندانی که فقط لیسانس داشتن

1. چارلز داروین – (زیست‌شناس) لیسانس الهیات از کمبریج.


2. آلن تورینگ – (ریاضیدان، پدر علوم کامپیوتر) لیسانس ریاضیات از کمبریج.


3. لارنس براگ – (برنده نوبل فیزیک) در ۲۵ سالگی با مدرک لیسانس جایزه نوبل گرفت.


4. جین گودال – (نخست‌شناس برجسته) ابتدا مدرک لیسانس داشت و بدون دکتری رسمی وارد تحقیقات شد.


5. فرانسیس کریک – (کشف ساختار DNA) در ابتدا تنها لیسانس فیزیک داشت و بعد با همکاری واتسون مشهور شد.

🔹 دانشمندانی که حتی مدرک دانشگاهی هم نداشتن

1. مایکل فارادی – (فیزیکدان و شیمیدان) خودآموخته بود.


2. توماس ادیسون – (مخترع بزرگ) تحصیلاتش خیلی ابتدایی بود.


3. برادران رایت – (مخترع هواپیما) هیچ‌کدام تحصیلات آکادمیک نداشتن.


4. هنری فورد – (مخترع و صنعتگر) فقط تا دبیرستان درس خواند.


5. بنجامین فرانکلین – (سیاستمدار و دانشمند) تحصیلات رسمی‌اش بسیار محدود بود.

🔹 نکته الهام‌بخش

بیشتر این افراد خودآموخته بودن و نشون دادن که برای پیشرفت علمی، فقط مدرک کافی نیست؛
بلکه کنجکاوی، استمرار و خلاقیت مهم‌تره.

#scientist

بررسی نرخ مربوط به داده و فرمول اختصاص محاسبه تقریبی رم

نسبت به نرخ داده در elasticsearch



بنده این فرمول را نسبت به ساختار های و معماری های مربوط به elasticsearch ، پردازش و تحلیل نموده که نرخ مربوطه حاصل گردیده است .


امید هست ، مورد استفاده ، جامعه It , devops , bigdata کشور قرار گیرد .





پذیرای هرگونه از پیشنهادات و نظرات و انتقادات شما عزیزان میباشم .


#data #elk #elasticsearch #linux #bigdata #log #etl

#yashar_esmaildokht

https://t.iss.one/unixmens

What is a community of practice?A community of practice is a collaborative framework in which stakeholders across teams unify efforts to build automation capabilities. The community of practice fosters cross-functional communication, standardizes automation practices, and accelerates innovation through the sharing of knowledge, ideas, and lessons learned. It serves as a hub across disparate yet adjacent teams for the reuse of solutions and the development of consistent operational models.Note: The terms center of excellence, community of excellence, and community of practice are often used int

via Red Hat Blog https://ift.tt/tEihR3a

Red Hat Enterprise Linux (RHEL) is the enterprise platform for mission-critical workloads and it allows companies across the globe to run their businesses in a secure, reliable and supported way. But running an outdated version of any operating system can expose your organization to security risks and prevent you from leveraging the latest features and performance improvements. We know it can sometimes be challenging and time-consuming to stay updated, so in this article I explain the RHEL lifecycle, the importance of staying current, and your options for upgrading.Understanding the RHEL Lifec

via Red Hat Blog https://ift.tt/LNgHiwZ

IT leaders face many challenges today, but few are as daunting as this: How do you keep up with the pace of change when your existing IT infrastructure is already so complex? For many enterprises, the primary source of that complexity is the struggle to manage containerized applications at scale across diverse environments—from on-premises data centers to multiple public clouds. This fragmentation can lead to inconsistent operations and vendor lock-in, which stifles agility and innovation. As we navigate the era of AI, IT leaders need a unified, predictable way to manage it all so that your

via Red Hat Blog https://ift.tt/8YKlXPT

Announced at Red Hat Summit earlier this year, Red Hat Enterprise Linux 10 is designed to meet the demands of hybrid cloud, automation, and AI-driven IT environments. RHEL10 provides a strategic and intelligent foundation for modern IT operations. With enhanced capabilities to navigate complexity, accelerate innovation, and strengthen security, organizations can confidently build a more resilient and future-ready infrastructure.With new capabilities powered by Red Hat Enterprise Linux Lightspeed you can streamline complex tasks with confidence using the skills learned in the content, freeing u

via Red Hat Blog https://ift.tt/mU3TYd1

مشکل اساسی دوستان hr (البته برخی ) ، و بیشتر در ایران ، این هست ، که انسان را با ربات اشتباه میگیرن .

در جهان امروز ، انسانی بودن والاترین معنا است . و درک این معنا باعث رشد بیزینس ها است .

از یاد نبریم : انسان اشتباه میکند - نامید میشود . خسته میشود . و تمامی صفات انسانی را شامل میشود .

حال وظیفه سرمایه انسانی بهبود این هاست . و تعادل بین اونها .
این را از یاد نبریم : فرایند یادگیری انسانی ،و رشد آن با اشتباه کردن هست . و اشتباه همیشه بد نیست .

به طور خلاصه :

اتفاقاً یکی از مهم‌ترین نقدهایی که به مدیریت منابع انسانی (به‌ویژه در ایران) وارد است، همین نگاه «ماشین‌وار» به کارمند یا همکار است. وقتی HR صرفاً به افراد مثل «منابع مصرفی» نگاه کند، فراموش می‌شود که انسان‌ها فقط نیروی کار نیستند؛ بلکه مجموعه‌ای از احساسات، انگیزه‌ها، خستگی‌ها، امیدها و حتی اشتباه‌ها هستند.

🔑 چند نکته کلیدی در ادامه:

انسان ≠ ربات
اگر نیروی انسانی صرفاً برای خروجی و KPI دیده شود، خلاقیت و وفاداری از بین می‌رود. چون انسان برای رشد، نیاز به دیده‌شدن، شنیده‌شدن و درک‌شدن دارد.

اشتباه = بخشی از یادگیری
فرهنگ‌هایی که اشتباه را نابخشودنی می‌دانند، در واقع جلوی نوآوری و یادگیری را می‌گیرند. بهترین سازمان‌ها آن‌هایی هستند که از اشتباه به‌عنوان «فرصت رشد» استفاده می‌کنند.

سرمایه انسانی = حمایت + تعادل
نقش اصلی HR این است که هم نیازهای سازمان و هم نیازهای انسانی کارکنان را ببیند. یعنی ایجاد تعادل بین فشار کاری و سلامت روانی، بین نظم سازمانی و آزادی فردی.

بیزینس انسانی‌تر = بیزینس پایدارتر
شرکت‌هایی که به انسانیت کارکنان بها می‌دهند (با ایجاد فضا برای یادگیری، استراحت، و حتی پذیرفتن خطا)، نه‌تنها عملکرد بهتری دارند، بلکه برند کارفرمایی قوی‌تری هم می‌سازند.

#hr #grow #market #business

https://t.iss.one/unixmens

My name is Gil Cattelain, and I'm a Product Marketing Manager here at Red Hat. I joined the company over four years ago, and I manage the Red Hat Enterprise Linux (RHEL) marketing releases and launches. You've likely read some of my blog posts, which I typically publish with every minor or major release, but this article highlights the importance of upgrading. If you're still on RHEL 6, RHEL 7, or even RHEL 8, then you should consider upgrading to RHEL 9.6 or a later version to take advantage of all the cool new features included in those versions.Why should you seriously consider upgrading to

via Red Hat Blog https://ift.tt/TGKXY4k

Brian D. is a senior machine learning (ML) engineer on our AI Inference team, which is part of the broader AI Engineering team at Red Hat. Based remotely in Chicago, Brian helps maintain LLM Compressor, a key component of vLLM (an open source inference server originally developed at UC Berkeley, and now supported by a global community). vLLM is designed to make AI inference—in other words, responses from models—more efficient. Through LLM Compressor, Brian and his team make it possible to optimize and deploy LLMs so they run faster, consume less energy, and operate on fewer GPUs, without

via Red Hat Blog https://ift.tt/HT65x3w

Securing the software supply chain is paramount in today’s digital world. As more organizations adopt practices like keyless signing to verify the integrity of their software artifacts, the need for robust monitoring against the systems that maintain the software supply chain infrastructure is essential. One such system when signing and verifying content where monitoring can be applied is within the transparency log. While logs are tamper-evident, they are not tamper-proof, making a monitoring solution essential for an immutable and append-only record. This is where the Rekor Monitor comes i

via Red Hat Blog https://ift.tt/4DEsnA5

If you've ever worked for or with enterprise companies you know that, when it comes to software, whether it's AI-powered or not, the stakes could not be higher. And that is the reason they invest heavily in making their production environments as bulletproof as possible. They will architect for high availability and disaster recovery, enforce strict service level agreements (SLAs), and build redundancy into every possible layer.But if their architecture doesn’t also account for the potential for human error, is any of it worth the effort? Time and again, we’ve seen catastrophic outages tra

via Red Hat Blog https://ift.tt/Y7pszTI

Migration toolkit for virtualization 2.9 (MTV) release is here, and brings lots of new features to help make your virtual machine (VM) migration experience easier. This iteration introduces user experience enhancements designed to provide greater clarity, improved functionality, and a comprehensive view of your migration process.New features and highlightsThe enhanced UI of the migration toolkit 2.9 focuses on three pivotal areas:Enhanced overview page: Get a broader and more granular perspective on your migration progress.Clearer migration plan wizard: Your creation process will be smoother w

via Red Hat Blog https://ift.tt/5PUFduC

To CIOs and CISOs overseeing critical production systems, AI can seem chaotic: It’s a dynamic, constantly evolving ecosystem, where current certifications and standards may not apply the same way, if at all. But AI can’t be ignored - properly implementing and integrating an AI strategy can be a massive boon to the enterprise, but the key word is “properly.” Red Hat has always been committed to having our platforms conform to the certification and standards requirements of enterprise IT across industries. AI is no different, so we’re pleased to announce that Red Hat OpenShift AI has s

via Red Hat Blog https://ift.tt/XqfalMA

The utility industry is currently facing a multitude of hurdles that are driven by a combination of aging infrastructure, changing energy landscape and evolving customer expectations. The power grid, specifically, is undergoing its greatest transformation since inception, with new challenges imposing problems that our grid is not equipped to handle.As utilities adopt a software-defined infrastructure,bringing IT best practices to OT ecosystems becomes increasingly feasible. By virtualizing applications and taking advantage of advancements in edge computing platforms and AI, utilities can moder

via Red Hat Blog https://ift.tt/3bGxyRE

این تصویر روشی به نام تحلیل ۵ چرا (5 Whys) را نشان می‌دهد که برای یافتن ریشه اصلی مشکلات استفاده می‌شود. مثال مطرح‌شده درباره ترک کارکنان یک سازمان است:

1. چرا؟
چون حقوق پایین است.


2. چرا حقوق پایین است؟
چون نظام جبران خدمات به‌روز نیست.


3. چرا نظام جبران خدمات به‌روز نیست؟
چون داده‌های بازار جمع‌آوری نمی‌شود.


4. چرا داده‌ها جمع‌آوری نمی‌شود؟
چون واحد منابع انسانی ابزار و فرایند لازم را ندارد.


5. چرا ابزار و فرایند وجود ندارد؟
چون استراتژی منابع انسانی بر پایه داده تعریف نشده است.



🔎 نتیجه‌گیری:
مشکل اصلی، پایین بودن حقوق نیست، بلکه نبود رویکرد داده‌محور در منابع انسانی است.



#5why #why

مساله دیگر

مسأله: رضایت مشتریان پایین است.

1. چرا؟
چون شکایت‌های مشتریان زیاد است.
2. چرا شکایت‌های مشتریان زیاد است؟
چون کیفیت خدمات/محصول ثابت نیست.
3. چرا کیفیت خدمات/محصول ثابت نیست؟
چون فرآیند کنترل کیفیت ضعیف است.
4. چرا فرآیند کنترل کیفیت ضعیف است؟
چون استانداردهای مشخص و داده‌های کافی برای پایش کیفیت وجود ندارد.
5. چرا استاندارد و داده وجود ندارد؟
چون سیستم مدیریت کیفیت و بازخورد مشتریان به‌صورت داده‌محور تعریف نشده است
✅ نتیجه: مشکل اصلی، کیفیت پایین یا شکایت مشتری نیست، بلکه نبود سیستم مدیریت کیفیت داده‌محور است

Red Hat has formed a collaboration with Great Wave AI to make AI more usable for organisations of all sizes.Red Hat has a bold vision to help enterprises bridge their existing world and the new world of AI: supporting any model, on any accelerator, on any cloud, powered by open source. At this year’s Red Hat Summit, we made dozens of announcements extending our AI portfolio and ecosystem partnerships. Since then, we are excited to have formed a collaboration with Great Wave AI, a UK-based provider of an agentic generative AI (gen AI) platform. Together we aim to combine the scale, security f

via Red Hat Blog https://ift.tt/RIGmQzj

Red Hat helps organizations embrace AI innovation by providing a comprehensive and layered approach to security and safety across the entire AI lifecycle. We use our trusted foundation and expertise in open hybrid cloud to address the challenges around AI security, helping our customers build and deploy AI applications with more trust.Understanding enterprise AI security risksAs organizations adopt AI , they encounter significant security and safety hurdles. These advanced workloads need robust infrastructure and scalable resources and a comprehensive security posture that extends across the A

via Red Hat Blog https://ift.tt/369uOBT