博客
关于我
CentOS 用户请关注,你期待的 CentOS Linux 9 再也不会来了
阅读量:442 次
发布时间:2019-03-06

本文共 1301 字,大约阅读时间需要 4 分钟。

2020年12月晚上红帽官网发布了一条公告,宣布了几件事情:

  • 将不会发行 CentOS Linux 9
  • CentOS Linux 8 的更新支持持续到2021年12月31日
  • CentOS Linux 7 的更新支持持续到2024年6月30日
  • CentOS Linux 6 的更新支持已在2020年11月30日结束
  • 作为RHEL 9开发的一部分,CentOS Stream 9计划在2021年第二季度发布
  • 继续提供CentOS Stream 8的更新支持

CentOS Stream 是19年从CentOS 8开始出现的一个版本,是一个滚动发布的Linux发行版,介于Fedora Linux和RedHat Enterprise Linux之间,旨在提高RHEL开发过程的透明度和协作性。

CentOS Linux 是面向企业商用的Red Hat Enterprise Linux 的开源替代解决方,即我们常用的CentOS系统,因为其免费且稳定的特性,在互联网企业中被广泛使用。

从红帽的这篇公告中能看到,CentOS 7 的支持时间更长,加之现在CentOS 7 各种资料和支持比较完善,因此企业选择CentOS 7应该是更好的选择。当然,这里不包括需要商业支持的金融、券商等传统的企业客户,他们当然会选择Red Hat Enterprise Linux或者Oracle Linux了。而创新的互联网公司,如 Facebook 已将支持其庞大的全球社交网络的数百万台服务器迁移至他们从CentOS Stream派生的操作系统。

这篇公告之后今天红帽的官方公众号又推送了一篇文章《》来对相关问题作了解答。

红帽平台选择建议

  • Fedora Linux:一个社区项目,面向那些想要构建操作系统,并集成所有相关开源项目的人。这正是红帽和广大社区快速进行操作系统创新工作的地方。这项工作由CentOS Stream承担,最终由RHEL承担。
  • CentOS Stream:一个社区项目,面向生态系统开发人员,他们希望看到下一个版本的RHEL会有什么变化,并且引入让他们的硬件或软件生效的更改。它还提供了一个开发技术和工具的地方,以便为下一个版本的RHEL做好准备。
  • Red Hat Universal Base Image:一款功能强大的容器应用开发工具,为创建容器化、云原生企业应用提供更安全、免费的可再发行容器基础映像。有了它,开发人员可以更轻松地在RHEL上和红帽的开放混合云产品组合(包括Red Hat OpenShift)中创建经认证的应用。它还支持与其他操作系统兼容的容器映像。
  • RHEL开发者订阅:一个免费的,用于个人(很快将用于团队)的自助支持订阅,以便开发和测试红帽的商业、企业操作系统产品。它为应用的开发/测试环境提供了在RHEL稳定、安全和高性能基础上部署在生产中的应用。我们还建议您加入红帽开发者计划。对于合作伙伴,我们建议您加入红帽合作伙伴连接计划。
  • Red Hat Enterprise Linux 是Red Hat 公司的Linux发行版,面向商业市场,通常简称RHEL。

参考资料

转载地址:http://pmrkz.baihongyu.com/

你可能感兴趣的文章
SpringBoot+Vue+Redis前后端分离家具商城平台系统(源码+论文初稿直接运行《精品毕设》)15主要设计:用户登录、注册、商城分类、商品浏览、查看、购物车、订单、支付、以及后台的管理
查看>>
pandas :to_excel() float_format
查看>>
pandas :从数据透视表中的另一列中减去一列
查看>>
pandas :加入有条件的数据框
查看>>
pandas :将多列汇总为一列,没有最后一列
查看>>
pandas :将时间戳转换为 datetime.date
查看>>
pandas :将行取消堆叠到新列中
查看>>
pandas :设置编号.最大行数
查看>>
pandas DataFrame 中的自定义浮点格式
查看>>
Pandas DataFrame 的 describe()方法详解-ChatGPT4o作答
查看>>
Pandas DataFrame中删除列级的方法链接解决方案
查看>>
Pandas DataFrame中的列从浮点数输出到货币(负值)
查看>>
Pandas DataFrame中的列从浮点数输出到货币(负值)
查看>>
Pandas DataFrame多索引透视表-删除空头和轴行
查看>>
pandas DataFrame的一些操作
查看>>
Pandas Dataframe的日志文件
查看>>
Pandas df.iterrows() 并行化
查看>>
Pandas drop_duplicates 方法不适用于包含列表的数据框
查看>>
pandas groupby 和过滤器
查看>>
pandas GROUPBY+变换和多列
查看>>