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
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。