山西联通是山西省内具有电信全业务经营资质的宽带通信与综合信息服务主导运营企业,拥有省内最大的固话网络和完善的移动网络,覆盖三晋城乡、通达世界各地。其中,山西联通优教通云服务平台项目由山西联通建设出资,旨在为教育局形成统一管理、分布共享、弹性可扩展的教育云计算服务平台,实现运营平台、服务平台、资源平台等协同分配共享。该平台包含30多个子系统,即有资源管理,统一认证,考试等数据库的机构化数据,也有大量视频、课件等非结构化数据;同时包含Vmware虚机,数据种类较多,对数据访问的要求也各有不同。既有数据库系统, Vmware虚机,也有大量的非结构化数据(文件,视频,音频,图像)需要备份。在投资有限的情况下,无疑为项目的推进带来了许多挑战。
为了创建一个更佳的服务平台,HDS提出了使用HUS130+HNAS(SAN+NAS)+Brocade交换机+HDIM一体机的整体存储归档解决方案,实现数据中心的数据统一管理。让山西联通可以在投资有限的情况下,实现对各类结构化和非结构化数据的安全存储及高速访问,及有效的数据保护。
总体实施后,HDS实现优教通云服务平台及各应用系统对基础设施资源需求的支撑和共享利用,可以快速满足优教通云服务平台各应用系统的应急需求,也可以用于快速满足项目对基础设施的需求。存储能力预计能够支撑优教通云服务平台系统实施后一年对存储资源的容量需求。该方案在实际操作上具有四大优势:
1. 架构先进性优势
采用SAN架构实现核心数据库等结构化数据的访问,对于非结构化数据部分,采用硬件文件系统架构、存储开放式架构、多种网络共享协议支持的特点,提供强大的SAN+NAS的云存储基础架构;
2. 产品先进性优势
该平台能够提供优异的数据移动性,可降低因应对变化而对业务造成的影响。可以提供前所未有的高性能和大容量,并能够最大限度降低电力和冷却需求。HNAS基于多个可编程编辑器(FPGA)的硬件内部架构和扩展节点,提升优教通云服务平台系统的支撑能力;通过高性能的文件共享,彻底改变系统面临的性能和文件访问的瓶颈。
3. 具备云平台所需的功能先进性优势
通过HUS130+HNAS4040统一存储帮助用户实现了All Dates One Platform,方便的对各类结构化和非结构化数据进行统一管理,保证了各种视频课件的高速访问需求。HDIM Appliance帮助用户对各类数据实现统一备份;部署云存储后,所有存储在一起形成了一个大的存储池,整个大的存储池可以灵活分配,不仅消除了存储孤岛,并且可以大大提高了磁盘的利用率。所有数据都存放在云存储平台中,并且可以根据应用的重要级别分级存放,并且能方便地根据应用数据在不同时间重要性的不同灵活迁移。
其中,HDS的NAS平台作为业界性能最高的平台,以前其他业务系统采用并行文件系统时都会面临的性能和文件访问的瓶颈,如某些并行文件系统在文件系统达到30TB以后性能几乎不可用,当客户端访问达到100,性能也会急剧下降。而HNAS的单文件系统就可以扩展为256TB,单节点可扩展为2-4PB,同时能够保证大数据量访问性能。
4. 充分体现了HDS的ABC原则
通过HDIM一体机先归档(Archive First);减少备份(Backup Less),通过All Dates One Platform将所有数据整合到一个平台(Consolidate More)。通过合理明智地采用 “A、B、C”原则,企业不仅可以简化作业并提高性能与效率,还能够在大幅降低存储成本的前提下确保强有力的数据安全。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
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。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
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。