文件、数据库和操作系统的保护都属于定时备份,定时备份是一种比较简单快捷的备份方式。但是如果数据破坏,对它们进行恢复只能达到最近一次备份的时间点,并且需要一个数据恢复的过程才能使用。这样从数据破坏到最近一次备份的时间段内,其数据就会得不到保护。同时数据恢复也需要很长的时间。为了解决定时备份等传统备份形式,存储厂商推出了持续数据保护系统。解决了数据保护时间差造成的数据丢失。
首先谈一谈持续数据保护(CDP),持续数据保护相当于能够让您随时有最新数据的副本(镜像),并且这个“副本”的格式与被保护原始数据的格式完全相同,不需要恢复就可以直接使用。从而大大降低了RPO(恢复点目标)和RTO(恢复时间目标),那么CDP除了保护文件、数据库之外,也能保护操作系统吗?
我们知道,按照SNIA定义的分类,CDP分为数据块级、文件级和应用级三种。只能保护Oracle那样的应用级首先被排除了;接着就像操作系统定时备份那样,如果只把文件复制走也是无法实现OS启动的;只有块级CDP,才能保证磁盘的主引导记录、启动分区和系统文件等都正常地存放于它们应该在的位置,可以随时充当一个备用的系统盘。因此通过CDP可以实现操作系统的保护。
SAN Boot:走光纤通道总是高大上
虚拟磁带库(VTL),人们通常认为相对普通磁盘备份——如NAS等有点高大上的感觉。严格按照定义来说,CDP可能不应该使用LAN-Free这样的叫法,但前些年我们曾听国外厂商这样说过。姑且把FC主机连接的CDP设备也称为LAN-Free数据保护的一种吧。
FC SAN存储网络中的磁盘阵列设备,在HBA卡识别看来,它划分并映射给主机的LUN就是一个像硬盘那样的标准SCSI设备。因此,我们也可以在上面方便地安装和启动操作系统,这种使用方式在不配置本地硬盘的刀片服务器上多见一些。
像飞康、火星舱这样写入数据拆分(或称双写)位于主机层面的架构上,我们可以获得服务器系统盘的完整镜像。当系统盘损坏(物理上)导致崩溃或者无法启动的时候,修改设置从对应的CDP磁盘组启动就可以迅速恢复操作系统运行,并且所有应用程序都无需重装。
如果是逻辑错误,同样被写入到CDP磁盘怎么办呢?别忘了还有持续数据保护的看家本领——数据回滚呢。在记录区空间允许的情况下,火星舱可以回滚到任意时间点的历史数据状态,而不限保留的快照和I/O记录数量。我们可以通过尝试回到错误出现之前的系统盘状态。这就是单纯的RAID 1、以及磁盘阵列镜像所做不到的。
iSCSI Boot:看起来很美好
尽管许多数据块级CDP产品都号称支持IP SAN Boot,但我在这里还是想反映点实际情况。真的做过POC、踩过坑,才发现从iSCSI设备启动操作系统远没有FC那样容易。首先,iSCSI分为硬件HBA卡和普通网卡(千兆或万兆,可能带有TOE卸载),前者价格不菲,使iSCSI失去了高性价比的优势,因此目前的用户基本采用的都是通用网卡方案。
普通PC用的桌面网卡一般不提供iSCSI Boot Rom,选择的范围只能是服务器网卡。在引导进入操作系统之前,我们还要进行Initiator和Target相关的设定。即使能够引导了,Windows系统启动的时间比本地硬盘和FC SAN Boot还是要慢许多,估计是系统盘在预引导模式过渡到系统加载iSCSI驱动之后的环境有所不同,需要一个“交接”的过程。
在实际应用中,我们认为iSCSI Boot的可行性比FC要低。希望没有光纤存储网络又想SAN Boot的用户有点心理准备,最好能在自己的环境中实际测试下。
好文章,需要你的鼓励
AWS在纽约峰会上发布Amazon Bedrock AgentCore,这是一个企业级AI代理构建、部署和运营平台。该平台支持开源框架如CrewAI、LangChain等,提供运行时、内存、身份管理、可观测性等核心服务。Box、巴西伊塔乌银行等企业已开始使用该平台构建生产级应用。平台采用按需付费模式,目前在部分AWS区域提供预览版,2025年9月16日前免费试用。
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。
网约车巨头Uber宣布与中国科技公司百度达成多年战略合作,计划在美国和中国以外地区推出数千辆自动驾驶出租车。服务将从今年晚些时候开始,首先在亚洲和中东的未指定国家推出。百度的Apollo自动驾驶汽车已在中国11个城市运营,成本仅为3.7万美元,远低于行业平均的20万美元。用户可选择乘坐自动驾驶车辆或人工驾驶车辆。
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。