Emulex 8Gb光纤通道(8GFC)适配器上市已近9年。从IT的角度而言,适配器使用的技术已经非常老了。
2012年,我们推出了Emulex 16Gb(第五代)光纤通道(16GFC)适配器系列。但是,高昂的光组件成本阻碍了产品市场增长。与当时从4GFC过渡到8GFC的情况一样,16GFC的过渡进程十分缓慢。
很多客户刚刚开始向8GFC迁移。然而,我们现在的存储技术与7年前已不可同日而语。我们有了固态硬盘(SSD)以及将SSD和处理I/O的磁性介质结合在一起的混合存储阵列。因此,如果将一个使用7年之久的PCI Express(PCIe)2.0设备和一个全新的SSD一起使用,它们组合起来的性能将会令人失望。
那么,鱼与熊掌能否兼得?是否可以以8GFC适配器的价格获得更新的16GFC适配器的性能优势呢?
为此,Emulex研发出Advanced-8 8GFC,配备更新的16GFC专用集成电路(ASIC),但采用成本更低的8GFC光组件。
那么,性能到底如何?
真实环境测试结果让人惊喜!Advanced-8 8GFC可提供几乎两倍于标准8GFC的出色性能。生产环境中的Microsoft SQL I/O工作负载的每秒I/O操作提升了67%、吞吐量提升了47%1。
正因如此,联想为其全新的ThinkServer RD350/550/650系列服务器配备EmulexAdvanced-8 8GFC适配器。这款可支持PCIe 3.0的Advanced-8 8GFC适配器配备16GFC ASIC、采用8GFC光连接,因而速度更快、性能更高,但其价格只是略高于传统的8GFC PCIe 2.0适配器。因此,对于应用受I/O限制而不受带宽限制的客户而言,这将是一个理想选择。
此外,如果将Emulex的Flex System FC5052或者FC5054 16GFC适配器与博科的Flex System FC5022交换机和8GFC光组件一起使用也可以节约光组件成本,并通过更新的16GFC适配器提供更出色的性能。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。