希捷已经打造出一款新型备份目标设备(简称BTA),能够将数据发送至私有、混合或者公有云当中——顺带一提,其配备的可用存储容量为65TB。看到这里,我们不禁感叹,为什么在这片成熟的市场当中要挤进这么多家供应商?
希捷方面曾于去年九月公布过50TB(3U)与100TB(4U)EBA(即企业备份与恢复设备)方案,而那些存储于其中的信息会首先经过压缩、重复数据删除以及加密处理,而后将被发送至自己的目标备份位置处。
最新的这款产品在可用存储容量方面恰好介于以上两款产品之间,而且根据希捷方面的介绍,其设计方案主要针对那些希望实现操作系统与应用程序——包括甲骨文数据库——保护的大型企业与服务供应商。
前代系统方案采用4TB磁盘驱动器——去年九月刚刚公布时,我们还着实就此作出了一番猜测。新产品则采用6TB磁盘驱动器,并在RAID 1配置当中由24-bay负责容纳这些驱动器。这意味着该方案的原始存储容量为144TB。在计算方面,这台备份目标设备在每套故障转移集群当中拥有两台作为节点的服务器,这些服务器运行着配备Hyper-V的微软Windows Server 2012 R2标准版。
希捷宣称,这款产品主要针对数据库管理员的使用需求所构建; 甲骨文数据库管理员能够利用RMAN将甲骨文数据库中的信息备份至全新EVault设备当中。
与上一代100TB产品一样,新方案同样采用4U设计。其能够将数据复制到其它EVault备份目标设备或者云环境当中。客户可以根据实际需要选择添加EVault Director备份与恢复软件,该软件能够将可用存储容量额外提升约65TB。
希捷方面正在积极追赶Asigra、Acronis、Veeam以及其它备份产品厂商,希望推出自己的易于使用的设备型产品。我们将陆续迎来由希捷打造的高存储容量产品,其实际可用容量甚至将达到200TB、300TB或者更高。
存储阵列目前也处于类似的状况,在这一领域希捷正积极利用其ClusterStor产品线拓展企业级阵列的供应渠道。而备份则是希捷侵占原本归属于其OEM合作厂商固有业务范畴的另一种直接表现。总而言之,无论属于哪种具体业务,只要跟高容量磁盘驱动器销售扯得上关系、希捷就很有兴趣掺上一脚。
为了逐步提高自身存储资源产能,希捷将在未来五年中将4.966亿美元投入泰国(折合153亿泰铢),其中包括在2016年年内推动新的磁盘驱动器生产线正式投付使用。根据这家全球最大的磁盘驱动器厂商的说法,这套生产设施将建立在呵叻府。
有趣的是,西部数据与HGST双方都不具备像希捷EVault这样基于云的备份业务拓展计划。这种现状是否会发生改变?有可能其中之一——或者二者皆有——会通过收购建立起类似的解决方案?
如今备份产品市场已经破碎不堪,无数供应商建立起自己想象中的疆域并乐于对其加以掌控。事实上,如今投身于其中的供应商绝对已经超过了一百家。
而我们不禁要问,“为什么会这样?”
为什么业界没有通过合并的方式让这片市场更趋于统一?为什么这种情况没能出现?像EMC以及赛门铁克这样拥有庞大备份产品营收以及可观销售渠道体系的企业怎么能容忍Acronis、Asigra、Code42、CommVault、戴尔、EVault以及其它无数小家伙或者票友性质的技术巨头充斥其间,甚至让Unitrends以及Veeam一路高歌猛进甚至进入成熟阶段(相对而言)?
在数据保护市场这片神奇的土地上,一定有股超自然的力量在阻挠着合并事件的发生——天知道这股力量究竟是什么。如果大家知道正确答案,请来信来函予以告知,多谢。
但这种状况对于有意介入的供应商来说确实是个好消息,毕竟他们总能在其中找到自己的容身之所。
目前65TB EVault备份目标设备已经在美国、加拿大、墨西哥以及欧洲地区正式上市。该产品在其它地区的面世时间预计为2015年5月。
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。