初创企业Coho Data公司正在以一种新的方式思考企业存储。该公司今天宣布其新的存储架构Coho Datastream供货。
什么使得Coho的方法不同呢?不像其他存储厂商,Coho在其核心解决方案利用软件定义网络(SDN)。事实上,该公司的首批产品附带一个 52端口10G OpenFlow交换机,它运行软件整合到存储硬件。通过这种方式,Coho实际上是利用SDN提供存储服务 - 这应该使得客户能够轻易向外扩展,同时保持较高的性能。
硬件本身是基于商品服务器,除了传统的磁盘,还使用PCIe闪存存储。解决方案中的每个节点都可以处理闪存和磁盘之间的内部存储分层,并使用 OpenFlow交换机来处理负载均衡等任务。这样,存储被视为一个整体,而非单个节点。添加新的存储就像增加更多的阵列一样容易。初始的硬件平台将是一 个2U机箱中的双节点阵列,每个节点2个10G端口, 6个3TB磁盘,和Intel SSD 910 PCIe固态硬盘。
最开始的时候,Coho DataStream将单独提供NFS服务,不支持iSCSI,FCoE,甚至CIFS协议,最初的重点是虚拟化基础设施,NFS是其中一个重要的因素。NFS 表示层的背后,是一个基于对象的存储布局,可以通过可定义的复制参数配置。
仍处于初级阶段的SDN和OpenFlow已经在网络世界刮起风暴。Coho是首先采用核心SDN理念并将它扩展到存储网络的厂商之一。
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。