惠普赶上了快速发展起来的软件定义存储和融合设备这股热潮。
在惠普看来,融合基础设施和软件定义数据中心都是传统IT向“IT新形态”转变的最好例证。融合基础设施是惠普企业级产品的大框架,是终极目标,而软件定义存储和服务定义存储,全部是融合基础设施下的组成部分。
具体到软件定义存储,包括三个关键组成部分,分别是融合的控制与架构、联合数据服务、标准的平台基础。
在控制与架构层面,惠普OneView和Helion相互融合进行统一管理,下面的联合数据服务则着重强调以StoreVirtual VSA和StoreOnce VSA构成的软件定义存储,以及3PAR StoreServ和StoreOnce/StoreAll构成的服务定义存储。
据据惠普存储解决方案架构师张楠解释,“软件定义”和“服务定义”的区别在于:有些用户的存储需求不是特别明确,他们可以临时利用服务器存储来组成软件定义的存储设备;而有些用户的存储需求非常明确,知道自己存储的发展方面(如IO、容量、规模),这时候他们就可以根据需求来定制存储。
据惠普存储解决方案架构师张楠介绍,惠普的软件定义存储支持VMware、Hyper-V和KVM虚拟机,StoreOnce VSA可以贡献针对中小企业的低成本保护,重复数据删除降低固态盘进入数据中心的门槛,StoreVirtual对接Helion实现企业级数据服务和云集成。
这次发布的软件定义存储战略,强调“一软一硬”的更新。
在软件方面,StoreVirtual VSA支持主流虚拟机管理程序,通过T-10 UNMAP提高容量利用率,在固态盘上做了针对VMware平台的优化,通过REST API支持并集成OpenStack;StoreOnceVSA则将许可门槛从10TB降低到4TB,除了元数据之外现在还可以对元数据的备份进行加密,以及新的安全擦除功能。
(据介绍,现在惠普StoreVirtual已首先应用于政府和教育等行业,这些行业用户的一大特点就是存储需求量不大,可能不会专门购买存储系统,所以他们可以在现有服务器平台上安装VSA软件,把服务器上一部分存储空间拿出来作为简单的存储使用。)
在硬件方面,3PAR闪存阵列首当其冲。现在3PAR闪存阵列已经具备硬件级的重删技术,也就是将在线重删技术交给ASIC芯片进行处理,而快速索引查找技术可提供在460TB-1.3PB范围之间的数据容量。
除了性能和价格方面的考量之外,惠普认为目前客户最为关心的一个核心问题就是,全闪存阵列会给现有的存储架构带来什么应用,如何和现有架构进行融合,是否需要容灾和备份,这些都是下一步惠普希望通过各种途径和手段来解决的问题。
在接受记者采访时,惠普惠普存储产品部产品总监徐润安透露,明年惠普将单独成立一条软件定义存储产品线,这次更新的StoreVirtual VSA和StoreOnce VSA都将归属于这个产品线。
中国惠普企业集团存储产品事业部产品市场总监徐润安
由此可见,软件定义存储上升到惠普存储战略层面已经板上钉钉。徐润安认为,商用化的软件定义存储可以缩短部署时间和部署难度,同时厂商也能以套件的形式提供给用户全套的存储功能,而且对用户现有服务器环境中的老产品和可用空间也是一种利旧。
不仅是用户,软件定义存储对合作伙伴来说也是一个新机会。“其实现在很多合作伙伴不愿意帮厂商做一个转手或者是搬箱子的事情,而是更希望在服务基础上售卖厂商的产品,同时有更多附加价值的服务。”
截至发稿时,惠普已经正式公布了基于惠普StoreVirtual的ConvergedSystem 200-HC StoreVirtual,以及基于VMware EVO: RAIL的ConvergedSystem 200 HC EVO: RAIL两款主要的超融合设备。
虽然在采访中虽然惠普方面的负责人不愿过多谈论基于VMware EVO:RAIL的超融合设备,只表示这是以不同打包形式提供给客户多重选择,但是已经有报道称两者之间可能会形成一定的竞争关系,超融合设备是否会被纳入即将独立的软件定义存储产品线,现在还是个未知数。
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。