为了再度发挥自身的固有优势,NetApp公司已经推出一款补充性连接器产品,旨在帮助其Data ONTAP客户在无需将数据由WAFL复制到HDFS中的前提下对自有NFS数据进行Hadoop分析。
这套NFS Connector for Hadoop能够处理来自各类数据源的大数据输入内容,而后将结果与结构化数据分析相结合。从根本层面来看,这相当于将两类数据汇总成统一化视角、从而更为透彻地掌握企业或者公共事业组织的当前运作状况。
这样的方案避免了将大规模数据由FAS阵列迁移至HDFS(即Hadoop文件系统)集群所带来的麻烦与不便。
这套Hadoop集群能够以HDFS为主要运行平台,并将ONTAP作为辅助性文件系统。除此之外,该集群还能够在无需造成独立HDFS孤岛的前提下单纯运作在FAS阵列之上。
这很可能成为ONTAP用户试水Hadoop项目并体验其实际效果的绝佳途径。
这套连接器采取开源机制,并由GitHub负责托管:
• 专门针对MapReduce协作需要,从而配合Apache Hadoop框架当中的计算部分。
• 能够支持Apache HBase(属于列式数据库)。
• 能够支持Apache Spark(与Hadoop相兼容的处理引擎)。
• 能够与Tachyon内存内文件系统相协作,后者能够与Apache Hadoop与Spark并行协作。
在一篇博文当中,NetApp公司CTO办公室的Val Bercovici表示:“NetApp计划将相关代码贡献给Hadoop项目主体。”
NetApp公司还针对Cloudera制定出自己的NOSH(即面向Hadoop的NetApp开放解决方案)计划。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。