Azure正在把自己变身成为SAN快照的存储目的地,这些快照捕获自EMC、NetApp以及HDS等存储厂商的设备,从而进一步增强了微软云的灾难恢复实力。
微软已经在“Azure Site Recovery”(ASR)服务下提供了针对虚拟机的共享与同步功能。
本周在巴塞罗那举行的TechEd大会上,微软宣布ASR很快将能够挂接到使用SMI-S规范的阵列上,这样SAN就可以利用自身的快照来做到这一点,并且将其发送给Azure。一旦快照保存在了微软覆盖全球并且冗余的云中,那么当发生灾难就可以利用这些快照进行后续找回。
你将需要System Center Virtual Machine Manager (SCVMM)来使用这种新功能,如果你的SAN厂商在Azure上部署了SMI-S那么将会有所帮助。好消息是,EMC(VNX和VMAX Symmetrix)以及NetApp(Clustered Data ONTAP 8.2)已经在列,HDS和惠普(3PAR)即将加入。
微软称这些举措是为了实现“端到端、基于存储阵列的复制和灾难恢复”,并宣称将提供一个“自助服务灾难恢复模型,实现对灾难恢复的全面支持,通过测试故障转移和规划故障转移的方式,确保零数据丢失、未规划的故障转移和故障回滚——所有灾难恢复操作都将被认为是精确的,一致的,能够帮助你满足恢复时间目标(RTO)”。
当然,除非Azure本身发生了故障(这个此前已经发生过了)。
微软显然对于将Azure作为灾难恢复服务相当上心。每个实例每个月54美元,看上去是一笔不错的业务。备份硬件和软件厂商可要当心了。
据微软称,SAN快照服务目前已经在预览中了,细节将在未来几周内公布。
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。