NetApp今日宣布首批 FlashRay系统已开始出货。FlashRay是搭载了全新NetApp Mars操作系统的专用型纯闪存系统。它采用全新设计,旨在提高企业应用程序环境中使用的纯闪存存储架构的性能、效率和易管理性。
这款新系统将纯闪存存储技术的优势与已获专利和正在申请专利的NetApp技术集于一身,可使性能、存储效率、数据保护和数据管理达到前所未有的水平。NetApp对闪存存储赋予的“两全其美”理念可以帮助客户以更低的成本实现最强大的企业应用程序性能。FlashRay 已于本月正式开始向目标客户及合作伙伴出货。
NetApp闪存解决方案副总裁Ty McConney 表示:“闪存存储正在推动数据中心的经济性和性能发生巨大变化。越来越多的客户开始向NetApp等行业领导者寻求合作,希望我们帮助其改进现有 IT 方法,并有效地将闪存集成到其基础架构。与NetApp Data ONTAP一样,FlashRay采用了全新设计,使客户在评估闪存备选方案时不必考虑利害得失。这款新平台不仅能最大限度地提高性能并简化数据管理,而且采用了低成本介质和业内最高效的存储方法。它将使存储行业发生翻天覆地的变化。”
NetApp的企业级闪存技术和解决方案可以满足任何闪存加速工作负载要求。全面的产品组合包括NetApp E系列和FAS混合闪存阵列,以及NetApp EF系列和纯闪存FAS阵列。作为这些平台的补充,NetApp提供了配有纯闪存FAS阵列的FlexPod Datacenter以及NetApp支持和专业服务,旨在帮助各类企业决定如何在其现有环境和未来环境(从数据中心到云的各种环境)中最有效地发挥闪存的全部优势。
三星电子集团内存市场营销副总裁Jeeho Baek表示:“三星集团和NetApp一直保持着密切的合作,旨在帮助企业级客户加快其闪存投资创造价值的速度。结合使用我们先进的闪存介质与NetApp FlashRay可提高关键任务型应用程序的性能,改善其所处企业数据中心的经济收益。”
Mars OS — 消除企业级闪存存储的瓶颈
为了应对闪存存储性能、数据效率、数据管理以及跨平台和跨环境移动性等方面的现有和潜在挑战,NetApp工程团队开发了Mars OS。这款操作系统凝聚了专为解决闪存存储特有难题而打造的全新技术,以及NetApp广泛产品组合的知识产权。
此版本具有许多创新技术,包括与“无中断”内置效率功能以及可变长度数据块布局相关的专利技术。这些创新功能可以最大限度地减少对闪存进行的I/O活动、增加有效容量,并且以稳定一致的亚毫秒级延迟提供高吞吐量,使客户有能力处理广泛的工作负载。FlashRay 还能够无缝地升级到未来的固态技术,从而进一步降低纯闪存存储的成本。
Presidio公司乔治亚州数据中心见习经理Doug Katz表示:“NetApp的整套产品组合都贯穿了创新的闪存理念。我们在测试环境中部署FlashRay后发现它在实现‘无中断’效率功能的同时还可以保证性能。FlashRay是对NetApp的企业数据效率功能强有力的补充。”
作为公司发展规划的一部分,NetApp计划将Mars OS紧密集成到NetApp Data ONTAP软件。NetApp将秉承勇当数据管理先驱的传统,努力实现平台间的无缝数据移动,通过全面的数据生命周期管理战略促使企业将数据移动到恰当的存储层。横向扩展技术使您能够按需无缝添加更多容量并提升性能。
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。