LSI公司日前宣布推出Nytro MegaRAID 8140-8e8i闪存卡,进一步扩展了Nytro产品组合。该闪存卡设计用于对磁盘数量和容量有较高要求的横向扩展服务器和存储环境,其可提供1.6TB的板载闪存容量和16个SAS/SATA连接接口。相对于现有的Nytro MegaRAID闪存卡而言闪存容量翻番,端口数增加4倍。
LSI Nytro MegaRAID闪存卡是LSI Nytro系列PCIe闪存加速卡中的一款产品。自2012年4月Nytro产品系列问世以来,LSI Nytro闪存卡全球出货量已超过10万块。这一强劲需求反映出超大型互联网公司、云数据中心、金融服务机构及其它企业对加速应用性能、提高数据中心效率和降低IT成本的迫切要求。
LSI公司高级副总裁兼数据中心解决方案部总经理Tom Swinford指出:“我们很高兴出货量突破10万块,这一里程碑事件突显了用户正在快速接受LSI Nytro产品组合,同时也表明该产品能够帮助客户从容应对多种不同数据中心工作负载出现的难题。Nytro MegaRAID 8140闪存卡为云和托管公司提供了统一的集成解决方案,能帮助他们轻松、经济高效地扩展缓存和连接功能,满足客户不断提高的性能和存储需求。”
Nytro MegaRAID闪存卡的独特之处就是将PCIe闪存和智能缓存软件与LSI双核片上RAID技术完美集成在一起,可实现简单、透明的应用加速并为DAS环境提供RAID数据保护。Nytro MegaRAID 8140-8e8i闪存卡在架构中集成了扩展器,使横向扩展的服务器环境能够通过8个外部和8个内部端口连接多达236个SAS和SATA设备。该闪存卡针对智能数据缓存提供了1.6TB的板载闪存容量,能让服务器解决方案,尤其是超大规模的环境(如云计算、网络托管和大数据分析)在数据流量非常大的情况下最大化应用性能。
除了用板载闪存模块缓存常用数据外,Nytro Flexible Flash这一特性还能让用户对闪存容量进行分区,为数据卷提供主存储区,从而让时延敏感的I/O能够通过性能优化的闪存进行存储和访问。该功能还能够灵活地对板载闪存进行分区,通过RAID定义容量来提供数据保护。RAID保护采用四个闪存模块设计,能支持RAID 0、1和5不同等级,实现了前所未有的高灵活性。
Nytro Flexible Flash还能让用户将板载闪存容量分区为启动驱动程序。这种独特功能可将启动功能迁移到Nytro MegaRAID闪存卡上,从而避免因采用专用硬盘驱动器 (HDD) 进行系统启动产生的相关成本。闪存上的启动卷也能释放更多HDD插槽,从而扩展系统存储容量。
最新高级缓存统计工具 (Advanced Cache Statistics) 提供高级诊断功能,旨在确保生产环境根据应用和工作负载实现最佳缓存性能,进而反映出关键性能数据,提高用户体验。该特性不仅能够提供缓存完成的I/O数量和写入缓存的热数据数量等缓存统计数据,而且还能够提供主机发送的总的读写I/O数量等主机统计数据。这种报告机制能让用户正确检测其独特环境中的缓存效率。
支持性评价
Bluehost公司计算运营经理Cody Burdick指出:“采用Nytro MegaRAID,我们无需改变现有的横向扩展硬盘驱动器存储,只需部署小容量智能闪存即可实现加速性能,从而让Bluehost在用户群不断增长的情况下,也能提供无与伦比的可访问性和正常运行时间。Bluehost对进一步加强与LSI合作,深感自豪。我们将采用Nytro MegaRAID这样的创新型解决方案来实现高性价比。”
Rausch Netzwerktechnik公司CEO Sebastian Nölting指出:“作为托管细分市场领域的重要解决方案供应商,Rausch不断寻求创新科技,为客户提供更大价值,并帮助客户充分发挥其采购的每个硬件的功能。LSI Nytro MegaRAID产品系列为托管企业带来简单的低成本应用性能加速技术,允许他们在每个服务器上支持更多客户,同时还不影响性能、运行时间或SLA。Rausch采用Nytro MegaRAID闪存加速器推出有着切实投资回报的产品,不断让其解决方案在托管市场脱颖而出。”
LSI Nytro MegaRAID 8140-8e8i闪存卡预计将于2014年第二季度进行量产供货。LSI闪存存储解决方案由LSI选择原始设备制造商并通过LSI全球经销商、集成商和VAR网络供货。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。