Emulex公司日前宣布为基于全新英特尔至强TM处理器E5-2600/1600 v3产品家族的全新Dell PowerEdge第13代服务器提供万兆以太网(10GbE)和第五代(16Gb)光纤通道(FC)连接支持。面向第13代PowerEdge服务器的Emulex I/O连接解决方案设计初衷与戴尔的企业优化承诺不谋而合。这一方案设计用于加速应用,提高数据中心效率并改进企业工作负载的带宽,如虚拟桌面基础架构(VDI)、大数据分析、统一通信和协作(UC&C)、数据库管理和新兴的计算架构,这些架构包括面向电信公司的网络功能虚拟化(NFV)和基于OpenStack或OpenCompute的云计算。
Emulex市场营销高级副总裁Shaun Walsh表示:“Emulex 10GbE CNA和第五代光纤通道(Gen 5 FC)HBA针对戴尔PowerEdge服务器进行了优化,设计用于满足下一代工作负载需求,可提供出色的可扩展性来支持混合云基础架构和高度虚拟化环境。Emulex和戴尔密切合作,通过全面的iDRAC集成简化管理,通过降低功耗和提高CPU效率降低整个生命周期的运营支出(OPEX),并为升级到全新Dell PowerEdge第13代服务器的客户提供无缝的迁移路径。”
戴尔服务器解决方案执行总监Brian Payne表示:“Emulex提供独特的虚拟化连接解决方案,是希望提高性能、降低风险并优化企业以更好地服务客户的戴尔PowerEdge客户的理想选择。通过加速应用、提高数据中心效率并提高企业工作负载带宽,Emulex以太网和光纤通道技术是满足我们客户的全球企业解决方案需求的理想选择。”
Emulex OneConnect OCe14000系列聚合网络适配器(CNA)和Emulex LightPulse®第五代光纤通道HBA设计用于为Dell PowerEdge第13代服务器解决方案带来以下优势:
更出色的应用性能:Emulex OneConnect 10GbE CNA现在可支持RDMA over Converged Ethernet(RoCE),后者可在使用Windows Server SMB Direct时加速Microsoft SQL Server等应用,通过更快速的I/O操作实现应用和存储加速。Emulex第五代光纤通道HBA还可以提高应用性能,每秒I/O操作数高达120万次(IOPS)1,比其它第五代光纤通道HBA高20%,支持Oracle数据库时快3倍,在Microsoft SQL Server部署中快2倍。
更出色的虚拟化灵活性和混合云网络:Emulex OneConnect 10GbE CNA采用Emulex Virtual Network Exceleration(VNeX)技术,可为戴尔客户提供业内对重叠网络的独有硬件卸载支持。重叠网络设计用于简化虚拟机(VM)移动性和网络可扩展性,同时与不具备卸载功能的适配器相比可优化服务器性能。Emulex VNeX技术使客户可以不超出CPU占用率门限,减少CPU使用波动,同时向虚拟网络环境中的每台服务器添加更多工作负载。
更高的工作负载可扩展性和优化的带宽分区:与上一代适配器相比,Emulex OneConnect 10GbE CNA可将小数据包网络性能提高4倍2,这对于扩展Web-scale和消息处理等大交易量应用和集群应用非常重要。Emulex OneConnect 10GbE CAN可支持Dell NPAR技术。NPAR是虚拟化服务器环境中的理想选择,因为带宽分配可得到优化,以支持I/O密集型应用、虚拟化服务和服务器管理功能。戴尔客户可在每台适配器上配置最多16种NIC功能(分区)。或者,也可为每个端口上的两种功能(两个分区)配置一种iSCSI和一种FCoE存储功能(分区),允许通过并行iSCSI和FCoE硬件卸载实现更灵活的存储连接。
简化、灵活的系统管理:所有Emulex 10GbE CNA和第五代光纤通道HBA可兼容integrated Dell Remote Access Controller(iDRAC) with Lifecycle Controller系统管理解决方案。iDRAC8 with Lifecycle Controller 技术使管理员可以从任何地点上完成戴尔服务器的部署、监控、管理、配置、更新、故障排除和修复而不需要使用代理。
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。