Emulex日前宣布将为全新的Fujitsu PRIMERGY RX、TX、BX和CX机架式、塔式、刀片和扩展(scale-out)服务器提供以太网和光纤通道(FC)连接解决方案。全新PRIMERGY服务器基于最新发布的英特尔至强处理器E5-2600/1600 v3产品家族,设计用于支持虚拟桌面基础架构(VDI)和大数据分析等下一代工作负载和网络功能虚拟化(NFV)等新兴计算架构。Emulex OneConnect万兆以太网(10GbE)和LightPulse第五代(16Gb)FC技术是全新Fujitsu PRIMERGY I/O连接解决方案系列的基础,其中包括一块DynamicLoM(LAN on Motherboard)——这是一种独特、模块化、可扩展而且可现场更换的LOM架构。
Emulex市场营销高级副总裁Shaun Walsh表示:“Emulex与Fujitsu携手开发模块化DynamicLoM架构,可通过支持RDMA over Converged Ethernet(RoCE)实现数据加速,通过将小数据包处理性能提高4倍来扩展以支持新的工作负载,同时通过硬件卸载降低运营成本。我们还扩展了与Fujitsu在FC领域的长期合作关系,利用ExpressLane增加了多种高级特性,在基于闪存的存储环境中提供基于延迟的服务质量(QoS),并支持Brocade ClearLink诊断功能,通过验证网络路径和隔离潜在网络问题来优化FC网络完整性。”
Fujitsu服务器产品管理总监Uwe Romppel表示:“我们的新一代PRIMERGY服务器利用了我们20年的x86服务器开发经验,而客户、合作伙伴和市场带给我们的灵感也功不可没。从1994年第一台PRIMERGY服务器问世至今,我们的目的一直是进一步推动创新,提高可用性和效率,为打造以业务为中心的数据中心做出贡献。面向PRIMERGY服务器的Emulex以太网和光纤通道解决方案可交付客户运行下一代应用所需的更出色性能、可扩展性和灵活性,进而轻松实现上述目标。”
面向全新Fujitsu PRIMERGY服务器的Emulex以太网I/O连接解决方案可带来以下关键优势:
Fujitsu LPe16000B-M6-F、LPe16002B-M6-F和MC-FC162E 16GFC适配器基于Emulex LightPulse第五代FC技术,可在一个端口上提供每秒超过120万次I/O操作(IOPS)的出色性能(这是目前最高的FC适配器性能),而且每端口IOPS数量比上一代提高了6倍,可为云和存储密集型应用提供更出色的存储性能。通过提供比上一代HBA高4倍的每瓦特IOPS性能,它还可以提高能效。Emulex第五代FC还采用了独有的ExpressLane技术。该技术可以利用优先级标记识别发往网络架构的高优先级流量,减少拥塞,缩短延迟并提高吞吐量,进而改进服务水平协议(SLA)和服务质量(QoS)。此外,利用Emulex第五代FC HBA对Brocade ClearLink诊断技术的支持,客户现在可以优化应用性能并加快部署问题的解决。
Emulex FC和以太网适配器基于相同的驱动程序,可通过OneCommand-Manager配置,可在虚拟化环境中降低复杂性并减少网络重新配置工作,同时通过协议融合实现统一网络,加快上市时间,帮助客户无缝地部署下一代数据中心。
面向全新Fujitsu PRIMERGY RX和BX机架式和刀片服务器、基于Emulex技术的Fujitsu I/O连接解决方案包括:
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。