在我们教孩子修理自行车时,我们可能会告诉他要把车闸进行调整,或者把某个零件卸下来进行更换等。而部署虚拟桌面基础设施(VDI)的过程,与修理自行车其实大同小异,唯一的区别往往在于细节问题。糟糕的用户体验就意味着低的用户普及率。大部分VDI领域的专业人士也认同,存储性能或存储性能缺乏是阻碍成功部署VDI的最大难题。
VDI部署对于不同的环境而言所起到的作用不一样,且汇集了基于服务器和分布式计算模型的所有优势。然而,在不同的企业环境下VDI部署必须谨慎,因为不同的环境可能存在独特而鲜明的I / O特性。性能峰值和不可预知的用户负载都可能挑战VDI设计。启动风暴和登录活动是读密集型操作而且对于处理进程非常苛刻。其他运行活动,如应用风暴,则多是写密集型,会加重整个系统的负担。当多个用户活动中同时具有高读需求I / O和高写需求I / O,并且同时访问相同的应用,I / O性能无法保持,而且会影响整个SAN阵列,从而导致启动时间延长,以及令人沮丧的用户体验。
以下调查数据来自于2014年2月份QLogic FabricCache 和VDI webinar的调研,结果表明,VDI的I/O特性存在多样性。
那么您如何搭建能够满足这些不同I/O特性的VDI解决方案呢?传统的做法是升级存储阵列。硬盘在容量上存在很大的优势,但是性能上却很欠缺。所以,通过升级阵列并不是一个好方法。并且在解决存储性能问题上,上述做法还会导致系统配置远超出需求的容量,从而大幅增加整个系统的采购成本。
FabricCache是一款为共享应用性能加速数据存取的独特解决方案,可以将行业领先的FC适配器和缓存智能以及I/O管理卡整合到一起。所有的缓存和SSD管理都通过该板卡处理。FabricCache 简化了缓存,并且对主机服务器、OS和应用都是透明的。
如果采用磁盘,要支持500个虚拟桌面的性能,需要625块磁盘。这个数量相当于整个数据中心机架配满磁盘,还要消耗约26000瓦能源来满足电力和散热需求。FabricCache可以让你在最需要的地方实现性能加速。只需一块适配器就可满足约750台虚拟桌面的性能需求。换句话说,一块FabricCache适配器可以提供等同于937块磁盘的性能,并且成本、空间、电力和冷却需求方面却远低于937块磁盘。
另外一个好处就是缓存和加速读请求。当您现有的存储阵列不必浪费CUP周期来处理读操作,它就可以有更多的时间来处理写操作或VDI客户端。你现有的存储实际会变得速度更快,且SAN带宽得到更有效的利用。通过减少对现有存储和SAN设备的使用,可以延长SAN的使用寿命,实现更好的投资回报率,并能够延缓甚至消除未来的SAN升级需求。
这是一条漫长的道路,但企业正在逐渐改变他们对桌面交付方式的态度,并认为VDI是一种强大而有效的工具。所以VDI简单得就像教孩子如何换自行车刹车一样。最大的区别在于细节,而FabricCache是一个确保成功VDI体验的非常合适且专业的工具。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。