在IT领域,有一种应用功能,它将存储资源集中到一个大容量的资源池并实行单点统一管理,无需中断应用即可改变存储系统和数据迁移,从而提高整个系统的动态适应能力。这就是云计算时代比较流行又占据重要位置的存储虚拟化应用。
它是一种贯穿于整个IT环境、用于简化本来可能会相对复杂的底层基础架构的技术。并将资源的逻辑映像与物理存储分开,从而为系统和管理员提供一幅简化、无缝的资源虚拟视图。它让存储管理变得轻松、简单。
从用户角度来看,虚拟化的存储资源就像是一个巨大的“存储池”,用户不会看到具体的磁盘、磁带,也不必关心自己的数据经过哪一条路径通往哪一个具体的存储设备。
从管理的角度来看,虚拟存储池是采取集中化的管理,并根据具体的需求把存储资源动态地分配给各个应用。值得特别指出的是,利用虚拟化技术,可以用磁盘阵列模拟磁带库,为应用提供速度像磁盘一样快、容量却像磁带库一样大的存储资源,这就是当今应用越来越广泛的虚拟磁带库(VTL, Virtual Tape Library),在当今企业存储系统中扮演着越来越重要的角色。
从分配的角度来看,存储虚拟化将存储作为池子一样,存储空间如同一个流动的池子的水一样,可以任意地根据需要进行分配。这样做的好处是把许多零 散的存储资源整合起来,从而提高整体利用率,同时降低系统管理成本。与存储虚拟化配套的资源分配功能具有资源分割和分配能力,可以依据“服务水平协议 (service level agreement)”的要求对整合起来的存储池进行划分,以最高的效率、最低的成本来满足各类不同应用在性能和容量等方面的需求。
从成本角度来看,虚拟化不仅降低时间和物质方面的成本,还可以提升存储环境的整体性能和可用性水平,这主要是得益于“在单一的控制界面动态地管理和分配存储资源”,从而大大降低存储成本。
一般而言,存储虚拟化的实现方式主要有三种:交换架构虚拟化,磁盘阵列虚拟化,以及整合到应用设备内的虚拟化,对于三种不同的虚拟化方式,存储供应商都有各自的独门兵器,现在就拿国内云存储厂商来举个例子,说一说虚拟化云存储的价值所在。
初志科技,作为国内云存储的厂商,对于存储虚拟化的方式,也是绞破脑汁,不断研发,最终开发出属于初志科技的一套特别虚拟化方式。初志云存储系统采用磁盘阵列虚拟化,将磁盘阵列、智能存储节点、系统管理服务器结合,从而管理存储。磁盘阵列:按照客户需求,划分存储空间给智能存储节点,或者通过iSCSI协议直接划分存储空间给用户用来存储结构化数据。智能存储节点:运行初志存储文件系统InitStoreFS的服务器集群,提供全局统一的存储空间。系统管理服务器:运行初志存储管理系统IMC的服务器,提供管理全局统一存储空间的服务。
初志云存储系统通过利用弹性存储算法、跨广域网全局文件系统、可堆叠模块化 设计等关键技术,将物理分布的普通廉价的主流存储设备整合成高安全、高并发、易扩展、易管理的虚拟化存储池。同时,以简单实用、透明管理、功能全面为核心 设计目标的初志存储管理系统,能够有效的降低虚拟化存储池的管理和运营成本,从而实现在低成本投入的前提下,满足大规模高并发海量数据的存储、安全、管理 需求。
在当今的企业运行环境中,数据的增长速度非常之快,而企业管理数据能力的提高速度总是远远落在后面。通过虚拟化,许多既消耗时间又多次重复的工作,例如备份/恢复、数据归档和存储资源分配等,可以通过自动化的方式来进行,大大减少了人工作业。因此,通过将数据管理工作纳入单一的自动化管理体系, 存储虚拟化可以显著地缩短数据增长速度与企业数据管理能力之间的差距。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。