在数据中心从物理到虚拟演进的过程中,IT架构和工作负载的属性在快速发生变化,给传统存储带来挑战。现在的存储解决方案面临许多挑战,数据量爆炸性增长只是其中之一,其余的挑战还包括:
虚拟化的影响
越来越多的企业将业务进行虚拟化,甚至是“关键业务”应用也逐渐向着虚拟化平台迁移。在这个过程中,用户面临的不仅是虚拟化产生了大量的随机读取,对存储IOPs提出了极高的要求。还要在测试或开发环境下,要保证能够快速为虚拟机配置资源,在实际生产环境中,还要能够快速地对新需求做出相应的反应,并处理如启动风暴这样的问题,以及如何保证虚拟机迁移时存储的可用性。
灵活性和快速响应
影响存储系统的另一个因素是,用户需要更高的灵活性来满足SLA要求。如今,应用服务需求在整个项目周期内已经不会再保持不变了。数据的速度和保护要求不停地在发生变化,有时相当迅速。为了确保满足SLA需求,并且还无需增加成本的情况下,存储系统可以随业务需求变化更加动态地进行管理,是至关重要的。
新的和不断变化的应用需求
为了保证业务的连续运营,企业用户对于数据以及分析洞察的需求越来越大。不断上升的交易吞吐量以及需要处理大量的“数字业务”,实时或近实时分析的需求同样也加大了存储压力。
良好的整合能力满足未来发展需求
传统存储系统在成本、管理、安全或灵活性方面,已经显示出劣势。尽管存储技术在最近几年迅速发展,但是很少有企业是将它们的存储基础架构 “推倒重来”,因此必须找到一种方式,将能够完善并扩充已有的功能的新平台引入进来,来满足当下业务的新需求。
新存储采购评估因素
如上所述,在面临这些存储压力的时候,企业在选择新增存储的时候,主要从哪些方面来进行决策?根据中桥2015年的调研数据显示,在所有参访的用户评估因素有:(1)性价比:谈到高性价比,传统的高性能存储意味着高端存储,主要应对的是业务关键型应用的需求。这些高端存储具有高智能和完备的企业级功能和业务连续性功能,但其成本也极其高昂且使用率低。(2)易管理性:采购新增存储的学习成本,以及其与已有存储设施之间的整合复杂度,都是需要考虑的要素。(3)性能:虚拟机存储需要能够提供灵活动态的应用加速,根据业务需求满足热点数据和业务关键型应用所需的资源。同时,用户对存储的性能和容量的需求在持续增加。这就要求存储具有横向高可扩展性,而且扩展过程中性能不出现瓶颈。(4)容量优化:在虚拟化环境下,没有使用容量优化,会导致存储成本的快速攀升,也无法优化虚拟化的投资回报。另外,不同应用的数据具有不同的生命周期属性。这就要求根据数据价值将数据存储在不同的介质上,高效地发挥存储效用。(5)以负载为核心的动态资源配置:为了最大限度优化以虚拟机为单位的资源,就要求能够细粒度动态配置资源,以满足虚拟化演进过程中对性能的需求。(6)存储生命周期低TCO(无断代升级等):在虚拟化到云的演进过程中,用户需要经济、可靠、稳定的存储架构平台,对存储的生命周期使用效率提出更高需求。
在应对业务需求不断并且快速变化的今天,企业需要针对自身痛点,合理规划存储采购,从经济高效以及满足未来发展需求的角度,来考虑新增存储。
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。