EMC公司宣布,业界领先的VNX系列混合存储解决方案增加了新产品和新功能,其中包括最新入门级VNXe3200存储阵列。VNXe3200基于2013年9月推出的VNX系列,效率是此前VNXe解决方案的3倍。最新推出的VNXe采用EMC MCx(多核优化)和EMC FAST(全自动存储分层)软件,可释放闪存威力,虚拟应用及文件性能均可达此前VNXe解决方案的3倍,占用空间则保持不变,依然很小。最新VNXe3200支持主要的统一协议,包括光纤通道协议。VNXe系列的设计初衷是,从设置、管理到支持,提供涵盖整个存储生命周期的易用性,VNXe3200也具备VNXe系列这种标志性的易用性。
最新推出的VNXe系列充分利用MCx和FAST套件的优势,在功率、效率和易用性方面,均超越了此前的VNXe解决方案。VNXe的技术亮点包括:
VNXe3200还可用在最新VSPEX Proven Infrastructures中,用一台VNXe3200就可支持多达125个虚拟机和500个虚拟桌面。这些最新VSPEX解决方案可存储多达2000个Exchange邮箱,容纳超过两万个SharePoint用户。
VNXe3200起价不到1.2万美元,将于2014年第二季度上市,主要通过EMC全球渠道合作伙伴供货。EMC业务合作伙伴计划(EMC Business Partner Program)支持VNXe3200。EMC通过该计划提供一整套合作伙伴可以立即使用的附属快捷解决方案(Express Solution),还提供VSPEX参考架构,以简化订购、销售和支持服务。
EMC“Project Liberty”亮相
EMC还宣布了“Project Liberty”,这是一款虚拟化存储软件,基于业界领先的VNX系列。Project Liberty充分利用VNX迄今为止提供的丰富数据服务和易管理性,通过各种灵活的部署模式(例如,无论是在虚拟服务器上,还是在混合云中部署)发挥这些优势,满足各种不同的、不断变化的工作负载和服务级别要求。
为了应对日益缩短的开发周期,IT部门必须创造条件,满足快速开发应用原型的需求,加快产品上市。Project Liberty的一种用途是,增强IT人员自主权,一经要求立即运行几个虚拟阵列示例,加速测试、新应用开发等。利用Project Liberty开发的新应用将能够无缝部署在实体VNX存储系统中,具备更高的服务级别,同时可以进行一致的管理,提供丰富的用户体验。
这些应用可以驻留在任何地方,无论是远程办公室、总部还是云中。凭借Project Liberty,客户将受益于混合云的敏捷性和效率。
重新定义中端系统的安全性
此外,EMC还宣布了VNX 静态数据加密功能——VNX D@RE。自VNX推出以来,客户在单台VNX上整合了越来越多的关键数据,这更加突显出保证信息安全的重要性。在医疗保健、金融服务以及政府机构等领域,这一点尤其明显,这些领域需要对敏感信息进行更严格的控制,以避免日益增多的未授权数据访问事故。VNX静态数据加密(D@RE)将以无中断软件升级形式提供,预计于2014年第三季度随最新VNX系列产品上市。VNX静态数据加密用来帮助客户保护写入磁盘的数据,防止从未经授权拆卸的硬盘中读取数据。VNX静态数据加密采用基于控制器的加密技术,可灵活支持任何类型、速度及容量的硬盘。
客户引言
Aces Power公司网络服务执行总监Brandon Robinson
“VNXe使我们能够以经济实惠的价格,充分利用业界领先技术。VNXe3200提高了系统效率和性能,帮助我们满足了内部服务级别协议要求。凭借VNXe,我们能够随着业务增长,简便地实现架构的横向扩展,提供各种新服务。”
EMC高管引言
EMC公司企业与中端系统部高级副总裁兼总经理Jeff Boudreau
“市场对我们最新VNX产品反响强烈,令我们无比振奋,对全球成千上万家公司而言,VNX已经成为应对混合工作负载的主力。今天,我们兑现了对合作伙伴和客户的一贯承诺,将FAST、MCx、D@RE等关键企业级功能扩展到入门级和中端平台之中,使客户能够更充分地利用IT资金,保护投资。Project Liberty尤其令我们振奋,在客户向混合云过渡之际,Project Liberty将为客户提供更高的敏捷性,同时客户仍然能够享有与过去同样的、一致的VNX用户体验。”
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。