EMC打造的全闪存VNX阵列VNX-F系列产品即将迎来全面升级,其可用存储容量会很快扩展至172TB、每GB存储资源成本不到5美元,同时采用一款新的驱动器外壳以及与之配套的高容量驱动器组件。
该系列产品属于块存储阵列,数据访问通过1/10GbitE iSCSI、FCoE或者8Gbit/s光纤通道来实现。系列中共包含两款具体产品型号,分别为F5000与F7000。二者都采用多核心至强E5 2600 CPU作为计算中枢,并在配备双控制器的同时通过6Gbit/s SAS与磁盘阵列外壳相对接。这些系统都以最新VNX2架构为基础构建而成,同时引入了于去年九月才刚刚面世的MCx多计算核心优化技术。
其中F5000拥有两块至强四核心1.8GHz处理器,而F7000则采用主频为2.2GHz的八核心CPU。
两款产品都具备RAID 5保护机制并提供高达“五个九”的可用性承诺(即99.999%正常运行时间)——实现措施包括,举例来说,镜像写入缓存与主动热备用技术。
其搭配的磁盘处理器外壳为一台3U设备,其中包含总计25个2.5英寸驱动器插槽。除此之外,大家也可以选择体积为2U且同样能够容纳25块2.5英寸磁盘的驱动器阵列外壳(简称DAE)。
配备120插槽DAE的VNX-F存储阵列
根据我们了解到的情况,如果EMC公司支持用户使用1.6TB SSD(相信很快即可实现),那么VNX-F7000将拥有高达172TB的最大存储空间容纳能力,尼古拉斯公司总经理Aaron Rakers告诉我们。他同时指出,EMC公司还将在不久的将来针对VNX-F7000阵列推出一款新型3U 120插槽驱动器阵列外壳(简称DAE),这意味着用户采用1.6TB磁盘驱动器即可拥有最高172TB的可用存储空间。
两款阵列都提供基于控制器的静止数据加密功能。客户可以根据自己的实际需求实现这一功能:VMware管理员需要使用Virtual Storage Integrator(简称VSI),而Windows、Hyper-V、VMware以及Xen Server等环境则需要使用具备应用识别配置能力的EMC Storage Integrator工具。EMC Storage Analytics提供的服务器到存储分析方案则由vCenter Operations Manager分析代码负责实现。
这套阵列的可选软件包括一款数据保护套件、一款应用程序保护套件、静止数据加密以及Unisphere Management Suite。
VNX-F在部分配置方案中公布的每GB低于5美元使用成本仍然无法同Pure的每GB可用容量3到4美元(经过重复数据删除处理)水准相比肩,但客户们能够直接继承全部现有VNX数据服务及管理设施,这相当于以曲线方式实现了成本节约。相比之下,Pure Storage的FA-450阵列能够最高扩展至70TB原始容量,并宣称其在经过重复数据删除处理后的实际可用容量将达到250TB。
惠普的StoreServ 7450最大容量扩展上限为4670TB,而且号称每GB存储资源成本仅为2美元。Tegile的T3800阵列则据称在经过重复数据删除之后可提供1.68PB最高可用容量,且按照可用容量计算的话其每GB使用成本仅为1美元。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。