化境,道家境界之一,是指语言转化成一种意境,让读者看到文字以外的境象,给读者一个想像的空间。好的文章有优美的语言就会给人美的享受。同样的,也会给人一种艺术的享受。一般化境是指在某方面的成就达到一定水平和高度。
在存储众多产品技术中,全闪存阵列是目前惟一堪称化境的产品和技术,在极速全闪存阵列的支撑下,让行业/企业用户备受困扰的数据实时分析问题迎刃而解,行业/企业决策有望买上一个新的台阶。
不妨看几个发生在身边的例子。随着房地产业务的快速发展,碧桂园地产所采用的用友ERP 报表数据库系统的响应速度开始变慢,随着数据量的增加,其在系统延时、系统IOPS方面暴露出的问题更加突出。另外一家企业,索菲亚衣柜采用Oracle EBS系统,其生产系统前端条码扫描最近也出现了响应时间慢的问题,其带来的直接后果是产能下降;与此同时,EBS系统月结成本报表性能太慢,也造成月初生产效率降低。
如今,很多用户都在上线SAP系统,HANA内存实时数据分析成为用户首选。因此无论新的系统,还是就有的系统,存储系统所存在瓶颈已经成为不可回避的问题。SSD固态硬盘透过采用NAND型Flash颗粒作为存储介质,由控制IC(主控芯片)进行数据的读/写过程协调,其工作机制与传统硬盘有着本质的不同,其“无机械构件”数据读取/写入模式大幅度超过传统硬盘,在省电(一般SSD硬盘功耗在2.5W-5W之间)、抗震性方面也优于传统硬盘。因此,克服存储系统性能瓶颈,SSD被寄予厚望。
在磁盘阵列中,SSD固态硬盘的使用大致有2种方法,一种是全闪存村阵列,如IBMFlashSystem;另外一种是混合阵列的方式,硬盘和SSD混合使用。混合阵列阵列多采用存储分层的策略,SSD主要作为0级存储来使用,满足应用对于高IOPS的需求。尽管两种方案各有利弊,但在性能表现上还会有些差别。
全闪存阵列,如IBM FlashSystem,只有CPU/前后端导向器/ 没有操作系统层,在 2U高空间内可以提供100万IOPS性能,其延迟只有0.1~0.2 ms;同样要达到100万IOPS,混合阵列需要3个机柜,其所采用的操作系统、缓存、交换模块以及控制器等都会成为提高延迟的瓶颈,因此其最好延迟水平也只有1ms,较之FlashSystem差距明显。此外,混合阵列要将就磁盘级的RAID保护,其数据更多需要考虑连续地址存放,从而限制了SSD效能的充分使用和发挥。
不要小看延迟等性能上的差异,就是凭借技术上的优势,全闪存阵列日臻完善,达到了化境的高度,因为延迟的领先优势在实时数据库应用中,令I/O性能上差距成倍放大,很多无法实现的事情,没有办法进行的应用,会因为全闪存阵列的技术优势得到实现。
所谓实时,对于IOPS具有非常高的需求。目前,以Hadoop为核心的大数据应用,透过采用Mao/Reduse并行计算的方式,其目的就是提高大数据的处理速度。但基于结构上的原因,Hadoop可以进行大数据分析,但没有办法满足实时性的需求。对于数据库应用而言,其数据价值密度非常高,实现分析,再造实时分析速度非常必要。
在前面的用户案例中,通过选用IBM FlashSystem,碧桂园地产数据库的查询性能提升了30倍;银行现金勾兑时间缩短了10倍,整个系统的部署时间仅仅用了1天就宣告完成。索菲亚衣柜方面,其生产系统前端条码扫描的速度从以往的5分钟,缩短到30秒,大大提升了生产的效率,其综合产能提升了50%,EBS月结成本报表时间算短了一半。
应该说,10倍也好,30倍也罢,这都是一些枯燥的数字。但也就是这些性能上的差异,就有了快鱼吃慢鱼,在激烈的市场竞争中,慢鱼就是会被快鱼吃掉,物竞天择,这是大自然的法则,同样也是商业竞争所遵循的规律。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。