微软公司正在着手打造大量与软件定义存储以及存储服务质量需求相关之技术方案。
微软公司的英国剑桥实验室刚刚发布了一款微软研究存储工具包,这款工具据称能够“通过向Windows 8.1存储堆栈中添加I/O分类功能并显示与用户程序相关的选定I/O请求处理流程细节信息,从而大大改善软件定义存储研究活动的执行效率与访问能力。”
此次方案发布并不令人意外,毕竟此前微软推出的Windows Server技术预览版也“提供一种利用Hyper-V以及向外扩展文件服务器角色对虚拟机存储性能进行特定监控及管理的方式。”这相对于Windows Server 2012无疑迈进了一大步,该版本只允许用户设定最大IOPS。微软公司现在认为为IPOS设置下限同样极具实践价值,这种设计有助于降低同环境内工作负载之间的存储性能影响,从而保证用户规划出规模更大的虚拟机平台。
微软公司已经陆续在这方面投入大量研究人力资源:2013年微软研究报告《IO处理流程:软件定义存储架构》一文据称正是Windows Server技术预览版内各全新功能的理论基础。
微软打造的软件定义存储版本似乎并不属于软件阵列型方案。相反,微软希望能让Windows Server管理员获得控制所有字符串数组(array一词同样意为阵列,RAID用户对此肯定不会陌生)的能力,从而直接对面向存储设备的输入及输出数据流加以管理。
根据Rob Knies在博文中所言,微软的目的在于将存储服务质量作为实现租户服务水平协议(简称SLA)的保障性机制。
微软研究人员EnoThereska指出,这一说法应该意味着“客户能够在共享式系统中获得与专有系统相同的性能表现效果。”
正如我们之前所提到,微软并不是惟一一家对存储服务质量显示出高度关注的厂商。但目前这位软件巨人以及其它一些云技术先锋确实已经作出了大胆的尝试。他们的竞争对手——虽然目前还不确定他们具体在与谁进行竞争——能否跟上其迅捷的发展脚步?
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。