SanDisk公司已经正式公布了其第三代ioDrive PCIe及夹层闪存卡,同时宣称其在实现四倍于以往的性价比提升之外,还能够较前代Fusion ioDrive 2/Atomic产品实现高达61%的标价削减幅度。
Fusion-io公司及其ioMemory技术方案以及于去年六月被SanDisk方面以11亿美元价码收入囊中。从那时开始,闪存技术已经迎来迅猛发展,如今其芯片拥有更小的物理尺寸及更为密集的存储晶粒,这意味着厂商能够将更多闪存容量塞进同一块PCIe闪存卡当中、并借此实现性能提升以及/或者降低产品售价。
上一代闪存卡为SX300(存储容量区间为1 TB到6.4 TB)与PX600(存储容量区间为1 TB到5.2 TB)PCIe卡——后者此前曾被命名为Fusion-ioioDrive 2卡——二者皆采用20纳米制程技术并配备有来自美光的MLC闪存芯片。
SanDisk公司此次在闪存卡产品中使用了自家打造的闪存芯片——我们估计其属于19纳米MLC技术方案——且并没有在整体存储容量方面带来提升。这一回迎来更新的产品线具体如下:
• SX300与新的SX350系列——存储容量区间为1.2 TB到6.4 TB,主要面向:
o 混合使用型工作负载——包括虚拟化、数据库、商务智能以及实时性金融数据处理等。
o 读取敏感型工作负载——包括Web托管、数据挖掘、地震数据处理、内容缓存处理、3D动画以及CAD/CAM等。
• PX600系列——存储容量区间为1 TB到5.2 TB——合适各类混合使用型工作负载,例如虚拟化、数据库、商务智能以及实时性金融数据处理等。
• Mezzanine闪存卡系列主要面向最新的惠普第八代及第九代BladeSystem服务器以及思科的UCS B系列刀片服务器——用于构建虚拟化环境,其中该闪存卡负责在每台服务器上支持更多虚拟机系统、加速数据库以及商务智能挖掘任务。
此外新的闪存卡与FlashSoft缓存软件绑定方案也已经出炉。这款软件能够在vSphere、Windows Server以及Linux环境下带来优于非缓存式SSD的I/O延迟水平。
此次更新的SX300在性能表现上亦优于上代版本:
• 4K IOPS随机读取测试结果为35万,远高于上代版本的21万5千。
• 随机写入IOPS为38万5千,高于上代版本的30万。
• 连续读取传输带宽为每秒2.7 GB——上代版本为每秒2.6 GB。
• 连续写入带宽为每秒2.2 GB,远高于上代版本的每秒1.2 GB。
两代版本在读取/写入延迟方面保持一致,皆为92微秒/15微秒。
SX350与SX300在大部分参数上保持一致,但前者的连续读取速率为每秒2.8 GB,且其读取延迟更低、仅为79微秒。
更为高端的PX600在IOPS速度表现方面超过了上代产品,但连续传输带宽却并未实现改进:
• 4K IOPS随机读取测试结果为35万,高于上代版本的33万。
• 随机写入IOPS测试结果为38万5千,高于上代版本的37万5千。
• 连续读取传输带宽为每秒2.7 GB,连续写入传输带宽则为每秒2.2 GB,与上代版本持平。
PX600新版本在延迟水平方面亦没能迎来改进。
SanDisk公司目前大力强调该闪存卡系列产品的可靠性,举例来说,其SX350在不可修复的错误比特率(简称UBER)方面拥有10-20这一惊人的成绩。
根据我们掌握的情况,此次推出的新系列PCIe卡在随机读取性能方面达到上代ioDrive 2产品的两倍。举例来说,此次更新的Mezzanine卡实现高达两倍的性能提升、存储容量增加33%且较上代ioDrive 2 Mezzanine卡在数据访问延迟方面亦有所改善。
让我们通过以下表格了解各更新产品线的具体性能参数:
SanDisk公司指出,每款闪存卡都针对混合型用例或者读取敏感型工作负载进行了优化,同时能够与SanDisk方面刚刚公布的下一代FlashSoft缓存软件并行协作。
除此之外,Virtual Storage Layer(即虚拟存储层,简称VSL)亦迎来了升级,其带来直接内存访问、最低延迟控制以及应用程序吞吐量最大化等机制,但目前我们还没有得到更多细节信息。
我们估计,此次更新将是三步战略中的第一部分。在下一阶段当中,SanDisk公司将把制程工艺进一步缩小,同时利用3D NAND技术提高存储产品的容量水平。
这一全新产品组合目前已经面向部分认证客户进行销售。此外,其同时通过SanDisk企业经销合作伙伴计划供各负责销售SanDisk数据中心硬件与软件产品的SanDisk商业业务渠道合作伙伴进行市场推广。
目前各款产品的具体售价信息尚不明朗。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。