软件离不开硬件的效率,硬件离不开软件的调度,他们是相互依存的关系,在5月刚刚结束的第六届中国云计算大会上,PMC“数据中的融合架构和存储”专题论坛中,PMC公司研发副总裁兼首席科学家廖恒调侃的将这种关系比拟成是夫妻关系。是的,在软件定义的时代,无疑催生给硬件厂商更多发展的可能性,在这其中,数据中心也将经历着自身的不断蜕变。
数据中心的融合架构与存储论坛上PMC展示的产品
PMC :I/O解耦合探寻未来数据中心出路
中国凭借巨大的人口受众以及非常强有力的经济发展还有互联网领域的创新,在大数据时代已经占领了独领风骚的地位,甚至在存储领域,PMC副总裁兼存储事业部总经理Travis Karr表示,中国存储销售量已经逐渐超过美国,成为全球第一大市场。在此基础上,不仅需要技术规模的生产,还需要不断的创新,才能满足中国爆炸式的数据存储的需求。
例如在互联网的时代,基于对供应链,尤其是硬件供应链的一些变化,需要不断的根据应用去做定制化,根据实际需求来动态调整,对硬件设备的形态,要快速的反映、部署,来解决存储的容量爆炸式的增长,数据种类的多样,和数据访问速度等等问题。而对于包括企业存储、工业标准服务器和超大规模数据中心三大类型客户的PMC来说,这更是他们亟待解决的问题。
PMC公司副总裁兼存储产品事业部总经理Travis Karr发表演讲
应对大数据的洪流,Travis Karr表示纵观创新方面, PMC着重发展在以下几个方面:在传统的存储部件中采用模块化设计、闪存技术、存储和I/O解耦合以及数据中心之间超高宽带长距离传输的问题。
对于存储解耦合,无疑是为了提高系统总体架构的灵活性,通过动态的调配服务器CPU和存储,不管是容量,或者是存储速度之间的比例适配应用的需求,从而提高硬件资源利用效率,简化服务器设计。
阿里巴巴:数据中心靠融合解困管理开销成本
同样苦于数据爆炸增长的还有阿里巴巴,尤其是在每年双十一期间的大量数据积累,不难看出,在这其后他应该更具有发言权。阿里巴巴集团资深硬件工程师牛功彪表示阿里巴巴从互联网运营上积累的数据存量越来越大了,去年数据量已达100P左右,其实一个大的挑战就是管理成本的提高。
包括后端,前端、后端采购,或者机型的管理,以及对于开发或者性能厂商都会面对非常大的开销,都是面临的实际问题。对此阿里巴巴提出的解决方案是融合,不管是设备的管理,还是使用问题。
资源解耦与存储池化,是现在阿里巴巴所在做的,主要将存储和计算解耦掉或者存储池化。牛功彪表示从数据传输角度来看,解耦以后需要加快传输数据,而之前存储和计算路径很短,这样能保证数据的传输性或者数据完整性。而现在距离变长了,传输介质这部分,阿里巴巴目前更倾向于硅光,在传输可靠性、传输的距离上,都能满足需求。
通过这种方法,可以把各资源有效的融合起来,借助软件提高存储的利用率,以及计算节点的利用率,此外它的易扩展,也方便资源的调度。
OCP创始成员: 纠错编码帮助数据中心“勒紧钱包”
此次论坛不仅请来了国内知名互联网巨头,更有北美优秀的数据中心经验供分享。OCP的创始成员Per Brashers在一年前离开了Facebook,成立了Yttibrium,在Facebook期间,他主导了存储相关结构的设计。
Open Vault & OCP Cold Storage 发明者,前Facebook的存储负责人,Yittibrium的创始人Per Brashers 发表演讲
总结OCP的设计理念,Per Brashers概述为把数据中心的每一个构成部件,以及整体成本当中的权重做了一个罗列,并且对每一个部件的设计理念进行优化采取的措施,以及对设备投资,运维成本带来的比例。
而这无非就是希望能够最大程度的节约运营成本,其实也就是数据中心的效率,这当然还是基于成本的考量。通过改善数据中心的设计,可以得到30%TCO的下降,这直接就是降低了整个公司的运营成本。怎么样实现这样的效率提升呢?一个非常综合的设计,通常包括改造服务器架构,设计高密度的服务器,在小空间加入内更多盘片的连接。
对此,Per Brashers提出了他关于数据中心内数据保护问题的新观点。过去通常是3个备份的实现方式,为了让一个数据非常可靠,除了本地存一份,机架存一倍,跨越机架存第三份。这就需要三个倍份的存储容量,带来高成本。而纠错编码在一定程度上就能解决该问题,每个数据需要10份,然后再分出两份纠错编码,把12份数据打散分布在不同的节点。这样开销只有1.2倍,大大节省了成本。
这就好像是软硬件的纷争,其实关键因素都是把效率的理念贯穿其中。基础设施设计理念就是一个持久性的驱动力,而进一步的体系结构可能是软件,可能是硬件,或者是二者相结合,最终降低TCO。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。