2月2日,VMware宣布推出VMware vSphere 6。自项目启动以来,惠普一直与VMware密切合作,定义、开发和测试vSphere Virtual Volumes技术——vSphere 6中引入的重要存储增强功能。在vSphere 6 和vSphere Virtual Volumes发布的第一天,惠普就在中端、高端以及全闪存惠普3PAR StoreServ存储阵列上提供对它们的支持和认证,使客户能够在经过证明的惠普3PAR StoreServ存储平台上尽快升级vSphere。惠普的StoreVirtual、MSA和XP存储平台也将支持vSphere 6。
VMware vSphere 6是下一个业界领先的虚拟化平台版本。vSphere Virtual Volumes是对vSphere 6的强化,允许用户结合存储阵列的强大数据服务与单个虚拟机的精细度,提供更高的灵活性和简化的管理。vSphere Virtual Volumes使客户能够更好地控制他们运用独特、基于阵列的数据服务以支持业务目标的方式,例如确保关键应用的服务水平。只要底层功能在存储阵列中可用,服务质量参数就可以通过vSphere Virtual Volumes单独应用到特定的虚拟机,而非一组虚拟机。不管其他应用程序或虚拟机有任何需求,管理员都可以设定策略,为公司最重要的应用自动分配专用的存储资源来维持服务水平。
虽然许多存储公司还没有开始支持这种先进的虚拟化功能,惠普3PAR StoreServ存储在Virtual Volumes开发项目的初期就被VMware选定为唯一的光纤通道参考平台。这种在工程层面与VMware合作的方式意味着惠普拥有所有必要的专业知识,帮助客户通过惠普3PAR StoreServ存储基础架构快速轻松地获得新版vSphere 6的功能所带来的效益。
这一早期的深入合作带来了以下效益和关键能力:
• 在3PAR上从容部署vSphere Virtual Volumes,这基于VMware已经完成了开发和认证,并在一开始就把3PAR平台作为其唯一的光纤通道参考平台。
• 从一开始就能在现有和新的3PAR平台上通过最新发布3PAR 操作系统3.2.1 MU2充分利用vSphere 6 和vSphere Virtual Volumes。
• 通过结合3PAR阵列令人难以置信的增长空间而轻松地处理多个数量级的卷并保持高服务水平。3PAR阵列拥有强大的服务质量管理功能,最多支持64,000个Virtual Volume对象(1)。
• 横跨数千台虚拟机自动支持服务水平协议和服务水平目标,而不需要任何管理人员参与。利用3PAR Priority Optimization软件轻松地根据IOPS、带宽或延迟目标对关键虚拟机进行优先级别排序和管理。
• 通过每个3PAR控制器节点上的内置vSphere API for Storage Awareness(VASA)供给程序来提高弹性和业务连续性,从而在VASA功能出现故障的情况下保护虚拟机和应用程序之间的信息交换,而不会增加基于虚拟机的外部VASA供给程序的复杂性。VASA的自动安装(集成到 3PAR控制器中)简化了管理。
• 对vSphere Virtual Volumes存储容量的要求降低75%甚至更多(2),因为所有的惠普3PAR Thin Provisioning、Thin Clone和 Thin Deduplication功能不仅通过vSphere API集成到软件,还在芯片中集成和加速,在不损害性能的前提下提供世界一流的效率。
• 通过简化管理而降低运营成本,这是因为客户可以通过更新的HP OneView for VMware vCenter插件,对惠普服务器、存储、网络和数据保护系统进行基于策略的且全面的基础架构管理。
(1) 需要惠普3PAR OS321 MU2。
(2) 与不使用数据压缩技术相比。基于惠普3PAR Thin技术实现的4:1数据压缩比。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。