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
OpenAI 宣布重大升级:ChatGPT 现可记忆用户全部历史对话,并据此调整回复。这项功能将使 ChatGPT 随时间更了解用户,提供个性化响应。新功能包括"引用保存的记忆"和"引用聊天历史",目前仅向付费用户开放。虽然提升了实用性,但也引发了隐私方面的担忧。
本文探讨了人工智能聊天机器人对人类情感和关系的潜在影响。作者指出,虽然AI可以模仿关怀,但缺乏真实情感,可能导致人们对亲密关系的期望发生改变。特别是对儿童来说,过度依赖AI可能阻碍情感发展。文章呼吁我们要警惕AI带来的长期影响,保持人际交往的真实性。
AI革命的下一波浪潮不仅仅关乎拥有AI技术,更在于拥有能让AI真正理解业务的人才。虽然媒体关注的是构建大语言模型和复杂AI代理的工程师,但在前瞻性公司的分析部门中,一场悄然革命正在酝酿:AI分析师的兴起。这个角色将成为连接AI技术与业务实践的关键纽带,对企业数字化转型至关重要。
Google 推出了 Firebase Studio,这是一个基于云的人工智能辅助开发环境。它结合了 Project IDX、GenKit 和 Gemini 等技术,旨在帮助开发者快速原型设计和构建应用程序。然而,一些开发者反馈称,目前该工具的 AI 功能还不够成熟,难以生成高质量的可用代码。这表明 AI 辅助开发工具虽有潜力,但仍无法完全取代专业开发人员的技能和经验。