昆腾近期宣布推出三个将云整合到多层、混合存储架构,以期满足严苛的数据负载需求的创新解决方案。与其他云产品不同的是,昆腾拒绝采用一刀切的做法,在给定工作流程或应用的情况下,创新 Q-Cloud解决方案让客户能够充分利用昆腾的智能数据管理软件,将数据存储在云中。作为Quantum StorNext 5工作流程环境内的异地层,Q-Cloud Archive和Q-Cloud Vault纳入公有云的强大功能;而Q-Cloud Protect for AWS则帮助使用昆腾DXi重复数据删除设备的客户将数据复制到Amazon Web Services云中。通过所有这三个产品,客户能够实现云的所有好处,并且不必更改现有应用或流程。
云计算的优势令人深信不疑,但是对于严苛的工作流程来说采用受到限制
云计算通过提供“将资本支出转为运营支出,缩短管理时间,以及让用户能够按需扩容”等显著优势,明显改变了传统IT策略。但是,对于那些拥有复杂、数据密集型工作流程的企业来说,云只发挥了有限的作用。例如:捕获并评估卫星图像,制作并分发高清视频,以及为网络安全防御措施采集并分析网络流量等等。这些要求严苛的工作流程需要可靠、安全、高性能,并与应用程序紧密集成的基础架构——这是大部分云产品无法提供的。此外,云计算的固有延迟,以及在云中访问大量数据所产生的巨大成本为客户管理“需要存储的数据”等问题带来了挑战。
昆腾多层、混合方案的强大能力
考虑到云计算的优势和挑战,昆腾方案让客户能够将公有云存储与现场存储整合到一个多层、智能管理、以应用程序为核心的架构中。不是像其它许多提供商通常所采用的方法那样——将云作为被动的存储库,或者满足所有需求的方案。昆腾将云作为一个主动层,整合到一个由应用要求而驱动的混合存储基础架构中。这种全面的方案为客户提供了一个性能、访问、规模和效率的最佳组合,它不仅是今天推出的Q-Cloud的基础,也是昆腾目前正在开发的创新云产品的基础。
Q-Cloud Archive和Q-Cloud Vault:方便、灵活、可靠
Q-cloud Archive和 Q-Cloud Vault是昆腾提供的公有云存储服务,Q-Cloud Archive能够快速按需访问云中的数据,Q-Cloud Vault针对长期数据保留和灾难恢复而提供“冷藏”。除了一般的云计算优势,其它关键功能和好处还包括:
• 全面集成为StorNext 5托管的工作流程中的一个层,并且能够根据策略自动迁移数据
• 无需额外的硬件、单独应用或编程
• 满足不断变化的负载需求的灵活性
• 全球公有云基础架构的可靠性
• 昆腾直接定价和计费。
• 安全、加密的数据传输和存放。
• 昆腾世界一流的服务与支持。
StorNext客户还可将Q-Cloud Archive和Q-Cloud Vault与昆腾Lattus扩展在线存储一起使用,包括将数据从基于Lattus对象存储技术的内部私有云迁移到Q-Cloud。
Q-Cloud Protect for AWS:将DXi数据保护延伸到亚马逊云
作为订阅服务通过Amazon Marketplace而提供的Q-Cloud Protect for AWS让客户能够从内部的物理或虚拟DXi设备复制到AWS云中的虚拟DXi实例。关键功能和优势包括:
• 轻松访问亚马逊公有云而获得优势,无需对应用或流程进行更改
• 最高效的重复数据删除方法所实现的成本节约
• 安全、加密的数据传输和存放
中国地区昆腾Q-Cloud for AWS 发售情况将在晚些时候发布。
支持的言论
• John Stevens, [title], MTI Film
“我们选择昆腾Lattus产品作为我们私有云的基础来扩展在线存储的关键所在是因为— — 通过与昆腾StorNext的无缝集成,我们能够提供智能数据管理。增加的公有云层同样也被昆腾StorNext管理,在我们的内容工作流中,昆腾给予我们提供更高效率的能力。”
• Jason Kranitz,Integrated Media Technologies Inc销售副总裁
“通过昆腾Q-Cloud Archive 和 Q-Cloud Vault,无论对于工作流引导层还是层感知,客户都能够从昆腾StorNext5 获得利益。特别是对于高需求的数据环境来说,这是最有效的方式,也是使用云的关键所在。”
• Dave Simpson,451 Research存储高级分析师
“将云作为另一个存储层选项,而不是所有数据应驻留的地方,这一点非常重要。昆腾所采用的方案是在其跨越存储层、在存储层内部管理并保护数据的专业知识的基础上构建的。此外,新的Q-Cloud产品增强了StorNext和DXi所提供的价值,不仅对当前客户,对其它一直犹豫是否采纳云计算的用户来说也是如此。
• Geoff Stedman,昆腾StorNext 解决方案高级副总裁
“有效管理数据就是根据客户工作流程或应用的指引,在合适的时间通过合适的技术将数据放在合适的位置。这就是为何我们致力于将新Q-Cloud解决方案部署在更广泛的智能托管的混合架构中,它让客户能够尽可能以最高效、最有效的方式优化利用内部和云存储。”
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。