以高端存储见长的HDS,终于打破近4年来的沉寂,以全新的VSP G1000和SVOS存储虚拟化操作系统,作为对EMC VMAX 40K以及IBM DS8870的回击。
HDS的策略是在服务器和存储之间创建一个软件层,支持传统应用的同时让数据中心无中断地融入新增存储,这构成了所谓的“永续IT云架构”。
这次发布的VSP G1000被HDS定位为“一个涵盖所有数据的平台”,包括块数据、文件数据和对象数据,块存储吞吐性能超过300万IOPS,超过48GB/秒可用带宽,以及超过120万次操作/秒的NFS操作性能。
• 一个不含内置容量的虚拟化控制器;
• 由8节点Hitachi NAS Platform(HNAS)集群组成的统一存储系统;
• 面向Hitachi Content Platform环境的高可用基础架构。
从架构上看,VSP G1000的多个系统控制器共享一个连接到后端存储的全局缓存,最多可配置2304个2.5英寸硬盘(400GB和800GB)或者1152个3.5英寸硬盘(300GB到4TB),最高容量为4.6PB;或者256个固态盘以及192个HDS加速闪存模块(1.6TB和3.2TB)。
单套VSP G1000支持最多16个VSD(Virtual Storage Directors),系统控制器之间的距离最远可以达到100米。VSP G1000的其实配置可以是一个没有存储容量的虚拟化控制器,扩展成带有8节点HNAS的统一存储系统,此外它还可以被用作HCP对象存储的存储库。
现在,HDS实现了用单一存储操作系统覆盖所有高端企业级和中型企业存储需求——作为VSP G1000的核心,SVOS(Hitachi Storage Virtualization Operating System)是HDS第六代企业级存储阵列操作系统,号称是“存储虚拟化技术首个独立软件实现系统”。SVOS采用一个通用软件架构,跨越HDS的整个基础架构产品组合,并可增强和放大服务器虚拟化效能,把硬件架构的使用寿命延长一倍。
以“软件定义”为目标设计的SVOS针对闪存进行优化,具备存储虚拟化、复制、自动分层、平滑数据迁移以及全局动态设备特性——无需外置设备就能提供多系统和多数据中心的双活功能。
SVOS可以虚拟化HDS以及其他第三方存储,据称,目前SVOS支持包括EMC、HP和IBM在内的数千家厂商。SVOS和VSP G1000以及与微软、SAP和VMware合作,得到了如微软私有云部署项目、SAP HANA定制数据中心集成、以及VMware软件定义数据中心技术的认证。
HDS公司亚太区首席技术官Adrian DeLuca 解释说,VSP G1000的发布能达到最高端大客户的要求,但并不意味着有着4年历史的前一代VSP产品就会被替代,它仍然有活力。
“以前HDS更多地在做垂直虚拟化技术和整合第三方阵列,现在开始加强横向扩展阵列,通过双活的云平台来避免服务器出现中断,强调无缝和平滑的数据迁移,提供距离范围在100公里的集群模式,同时满足未来城域网包括数据迁移等服务的需求。”
UCP融合系统的新进展
除了 VSP G1000和SVOS之外,HDS还发布了面向VMware vSphere的入门级UCP配置,而且现在UCP融合系统支持这次发布的VSP G1000。
UCP Director新增了简化服务器配置和增强灾难恢复的服务器性能分析的功能。Command Suite最新版本则增加了对SVOS的支持,跨平台通用REST API以及优化的用户界面。
“对于一些小公司来说,他们缺少基本的IT技能,所以这种类型的公司采用所谓融合系统的迫切性比那些大公司要强烈,因为他们的架构都是分层的,需要更多的融合解决IT技能问题。”
但是对于以高端存储见长的HDS来说,如何碰触到并把在高端存储市场的优势延伸到小企业市场?Andrian表示,为了扩展小企业市场,我们对软件能力进行了调整和整合,使其适合未来小型企业的需求。有些小企业会使用云厂商提供的IT服务,因此HDS在产品中增加了云服务厂商的整合和自动化能力,针对他们采购IT行为的需求变化进行转型。
好文章,需要你的鼓励
Xbench是知名投资机构红杉中国推出一款全新的AI基准测试工具,旨在真实地反映AI的客观能力,其在评估和推动AI系统提升能力上限与技术边界的同时,会重点量化AI系统在真实场景的效用价值,并采用长青评估的机制,去捕捉AI产品的关键突破。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
Atlassian总裁Anu Bharadwaj在Transform 2025大会上分享了公司AI智能体规模化的实践经验。她强调,成功部署AI智能体需要营造实验文化,而非仅依靠自上而下的指令。Atlassian通过Rovo Studio平台为各团队提供了构建定制化智能体的环境,创造心理安全的工作氛围,鼓励员工大胆尝试和迭代。公司客户通过该平台显著提升了工作效率,建筑行业客户将路线图创建时间缩短75%。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。