IBM公司已经对其SVC(即SAN分卷控制器)与Storwize存储阵列产品作出大幅更新,不仅将处理能力与压缩效果提升一倍,根据蓝色巨人的公告、Storwize的存储容量也开始向4PB推进。
目前关于上述硬件与软件的新消息主要见于两篇内容相当具体的博文,一篇来自发明大师Barry Whyte,另一篇则由IBM公司技术大牛Tony Pearson撰写。
Pearson在文章中写道:“在售出超过55000套系统并实现总量达1.6EB(即艾字节)以上数据存储规模之后,IBM继续保持着其在存储虚拟化解决方案领域的王者地位。”这样的结论恐怕会受到EMC、HDS以及NetApp的否定与驳斥,也许连惠普也会提出反对之声。
目前Storwize产品家族包含以下几位成员:
SVC更新
SVC 2145-DH8属于前代2145-CG8产品的继任者,其采用1U X86服务器节点机柜,每一台还需要配备一套1U UPS设备作为缓存保护机制。现在我们使用的是一套包含两块热插拔电池的2U设备,用以代替单独的UPS装置。SVC 2145-DH8的新一代引擎配置如下:
IBM是第一家将英特尔QuickAssist芯片推向市场的阵列设备供应商。
48块SSD被接入到单一2U机架当中,基于新的Storwize 12Gb SAS扩展机柜——这款机柜提供最高38.4TB闪存存储作为SVC IO组。上一代2145-CG8 SVC能够直接升级到新配置,用户也可以将其添加到现有SVC集群当中。
Whyte表示:“DH8提供约两倍的IOPS以及约三倍每秒GB传输能力(相对于CG8)——新的SPC基准测试结果将很快出炉并证明上述结论。”
Storwize V7000升级
Storwize V7000处理器组合分别包含一块四核心处理器与8GB内存。IBM公司在第二代机型中引入了八核心处理器与32GB内存——例如SVC硬件,从而显著提升了设备的性能表现;其压缩速度几乎增加了一倍。控制机柜中包含两套配备多控制器的阵列系统,这相当让每个V7000 IO组的内存容量由原本的64GB提升为128GB。
Storwize V7000控制器
每块阵列系统主板上搭载一块压缩芯片,客户可根据实际需求额外增加一块,这种设计与SVC类似;此外,每块主板配有3个HIC插槽。在V5000与V3700产品当中,两套阵列系统被并排安置在机架当中,而不再像过去那样采取一上一下的布局方式。
V7000控制机柜当中能够容纳24块2.5英寸驱动器以及最高20个12Gb SAS扩展托架。这部分扩展空间能够接入24块2.5英寸(单位容量由300GB到1.2TB不等)或者12块3.5英寸(容量为2TB、3TB或者4TB)驱动器。这意味着整个控制机柜的最大驱动器接入能力为504块,而四路Storwize集群的驱动器接入能力更是高达1056块。大家可以在一套机柜内选择高性能驱动器、近线驱动器、SSD(容量为200GB、400GB或者800GB)或者不同类型间的混合搭配。
Whyte指出:“第二代V7000能够带来几乎双倍于第一代V7000的性能表现,每秒传输能力也将达到上代方案的2.5倍以上。也就是说,第二代V7000与集群化系统之间的数据吞吐能力高达每秒40GB——这一数据来自磁盘直读,无需借助任何缓存机制!”
新一代V7000可被添加到现有V7000集群当中。
值得注意的是,IBM还有意对Storwize V7000系列中的524机型进行强化,使其能够支持16Gb每秒光纤通道连接。点击此处可阅读相关公告内容。
四台V7000机架
V7000软件
Storwize操作系统的V7.3.0版本支持此次公布的新硬件,并提供以下额外功能与特性:
Whyte认为存储池平衡机制的出现非常重要,他评论称:“这可以算是一项效果显著的改进;我们已经通过测试数据看到了平衡池所能带来的不同程度的提升结果。只要放让该功能加入处理流程、掌握实际状况并移动对应区块,在某些情况下其甚至能够带来性能表现提升两倍、延迟水平仅为原先三分之一的良好成绩。”
作为文件访问软件,统一文件模块也迎来了它的v1.5版本,其中加入了NFS v4与SMB v2.1,同时继续保留目前的NFS v3、CIFS、FTP、HTTPS以及SCP协议。除此之外,多租户机制以及OpenStack Cinder也开始支持V7000上的文件。IBM在一份通知函中详尽罗列了关于Storwize家族新软件的具体信息,感兴趣的朋友可以点击此处进行查看。
经过升级的SVC与Storwize V7000将于今年六月六号正式投放市场,不过预计两款产品要到九月十九号才能登陆印度。除此之外,作为特殊机型、附带“功能1173”的V7000U则要等到七月十八号才能与广大用户见面。
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。