以太网上光纤通道(FCoE)正式进入人们视野是在2009年International Committee for Information Standards(INCITS)颁布T11 FC-BB-5标准之后,但它的起源最早可追溯到2003年10月Azul Technologies公司提交一份专利申请的时候。在中间的几年里,Nuova(思科剥离出来的子公司)和博科在2008年宣布推出第一款交换机产品。2011年5月,在媒体大量鼓吹FCoE市场的影响下,思科又回购了Nuova。
在开发商社区中,我们开始将FCoE及其配套技术融合网络看作自然而然的下一步。企业已经掌握丰富的光纤通道(FC)知识,但以太网无处不在。如果能够将存储协议融合到以太网架构中(或者说可以数据中心桥接或DCB的网络架构),降低布线成本和功耗,那么人们为什么还要构建基于FC骨干的全新数据中心?这是很容易就能明白的事情。
与此同时,给FCoE唱反调的文章已经见诸于各大新闻媒体。他们的争论理由是FCoE并没有实现承诺的成本节约,而且缺乏路由功能(限于2层网络)。虚拟化开始要求更扁平的网络,客户肯定不会考虑存在这种局限性的技术。相反,iSCSI不存在路由功能方面的限制,也不需要支持DCB的网络,因此被看作放弃FC的大量客户群最终的理想选择。此外,由于没有原生FCoE相连存储可用,客户不得不实施从以太网桥接到FC以连接到存储设备的拓扑。
时光流转,那个充满矛盾的时代已过去了3年,但有关FCoE价值的问题似乎还没有尘埃落定。最近,围绕FCoE优势的公开辩论又死灰复燃。一种在许多人看来出生不久就夭折了的协议,却引起了如此激烈的争论,看起来很奇怪。是不是光这一点就暗示着FCoE仍在活蹦乱跳?
虽然有后见之明,但我们仍很难说FCoE没有占领数据中心存储网络高地。尽管端口销售量有一定减少,但光纤通道的使用仍很广泛,至少有些客户还是构建了基于FC骨干的全新数据中心。另一方面,在最近的存储网络行业协议(SNIA)以太网存储论坛网络广播中,Dell’Oro Group公司数据中心设备及SAN市场调研总监Casey Quillin提供了一些数据,有力地证明FCoE市场实际上仍在增长。
那么,FCoE真的已经死了或即将死去?显然不是。普遍的看法是,FCoE找到了归宿。是的,它在思科的UCS平台中确实找到了归宿。在作为LAN和SAN流量的理想融合网络的其它刀片系统中,它同样找到了用武之地。刀片服务器和机箱服务器本身可提供的连接端口数量和线缆可用空间都有限,因此融合网络的面世如雪中送炭,恰逢其时。刀片系统在背板中实施FCoE来处理所有存储和网络流量,而存储流量可以通过机架顶部桥接到FC骨干中。有些企业对FCoE的价值建议很买账,将其作为标准存储协议实施,以满足他们的块存储需求,不管服务器机型如何。我曾与这些公司的相关人员谈话,他们承认,成本和复杂性的降低是他们进行这一投资的主要原因。
值得一提的其它重大发展成果是FCoE存储的面世。虽然以前有客户不得不从以太网桥接到FC以连接到存储设备,但现在很多厂商开始提供与存储设备的FCoE原生连接。这样就消除了FCoE的另一大缺陷,而这一缺陷足以使某些企业彻底放弃考虑FCoE。
对于注重将存储和应用服务器(这些服务器也生成存储流量)隔离开来的企业,路由功能仍是一个继续存在的问题。然而,许多存储厂商,包括那些销售iSCSI产品的厂商,建议将服务器和存储设备部署到相同的2层网络中,以优化存储流量的性能。因此,与业内给FCoE唱反调的人相比,大多数企业不会那么看重路由功能。
显然,FCoE不是存储网络行业预期的下一个“杀手级应用”。事实可能会证明,它能兑现帮助数据中心降低成本和功耗的承诺,但并不会取代现有数据中心内的FC。在FCoE技术面世的最初5年中,思科在市场推广和销售两个方面都引领着行业发展浪潮;但现在,其它公司开始迎头赶上。
刀片服务器系统厂商认为,FCoE可在刀片机箱中提供一种高效的机制来支持LAN和SAN连接。在行业领导者的带动下,原生FCoE相连存储设备如雨后春笋。由于存储厂商的最佳实践建议,路由功能问题可能不会成为想象的那么严重的障碍,而且已从各种公共论坛中消失。换句话说,FCoE来势汹汹,值得期待。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。