HDS于近日宣布推出全新增强型融合解决方案,为用户提供卓越的扩展性、出色的可靠性与可用性,以支持 SAP HANA平台的实时应用与大数据分析。
新款增强型 HDS Unified Compute Platform (UCP) for SAP HANA 拥有超过25种不同的内存配置,全面满足最小至最大的单节点 SAP HANA 环境。方案结合全新 HDS Compute Blade (CB) 520X B2 刀片服务器,服务器搭载新一代 IntelXeonProcessor E7-8800 v3 家族产品,和HDS虚拟存储平台(VSP)家族最新产品。此外,利用定制的 SAP HANA 数据中心整合方案,可以支持基于 Intel Xeon Processor E5-2699 v3 家族产品的 HDSCB520H B3 刀片服务器。这样客户在数据中心部署 SAP HANA 时,可以进一步削减成本,增加灵活性。
HDS UCP for SAP HANA 是服务器网络和存储的融合系统,经预先配置、测试以及优化,其实时数据处理能力在业界属凤毛麟角,而且部署简易迅速。新款 HDS Compute Blade 服务器,采用最新 Intel 处理器技术,借助对称多处理与高级逻辑分区,使关键分析过程取得了卓越的性能与弹性。结合 VSP 家族产品出色的可靠性与可用性,与之前的 HDS系统相比,面向 SAP HANA 的 UCP 解决方案,实现了以最低成本获得最佳性能。
HDS UCP for SAP HANA 可在相同的基础架构下实现纵向与横向扩展,在客户部署 SAP HANA 及业务成长过程中,有助于减少更换或更新基础架构的需求。SAP认证的纵向扩展方案,提供了从128MB至6TB的内存配置,而横向扩展配置为每节点 3TB。
借助 HDS VSP 家族最新产品——G400和G600——HDS 加强了对 SAP HANA 的支持,实现软件定义基础架构,解决了客户从入门到单一软件栈大型机的工作负载需求。HDS存储虚拟化操作系统 (SVOS) 拥有强悍的软件能力,使整个 VSP 家族产品均能提供原生的异构存储虚拟化与多站点双活存储,以及全兼容数据迁移、复制与管理。现在客户能够根据所需容量、性能及价格而不是功能差异来选择系统,以契合商业目标。
除了新发布的可支持SAP HANA的UCP产品外,HDS和Pentaho还同时发布了一款针对SAP HANA的UCP解决方案,使得开发者可以优化处理任何来源规模的大数据。此外,Pentaho的附加技术还可整合、编制大数据,帮助企业更好的做出决策。
将HDS自身的广泛技术与最近收购的oXya的云和管理服务技术,以及Pentaho的数据捕获、融合、分析的能力结合到一起,帮助企业能够很容易地将数据转化为竞争优势。
定价和可用性
面向SAP HANA的UCP扩展应用,与Pentaho解决方案结合后的扩展性成果将于本季度全球范围内发布,价格会基于不同的配置规格而定。
客户引言
“越来越多的组织需要访问实时应用程序,利用云计算、存储、管理和分析业务数据实现业务洞察,促进业务和机会的可持续增长,改善管理并加速创新,“HDS全球解决方案和社会化创新营销副总裁Ravi Chalaka表示,“此外,企业机构也希望能够扩大基础设施规模而不需要额外投入用于设备更新。HDS与SAP和Pentaho的合作让我们有能力交付符合未来需求的融合解决方案。”
“我们的客户需要全新的方法来利用大数据和物联网,让商业决策更加具备洞察力。Pentaho和HDS通过一个共享的分析平台提供无与伦比的解决方案,而且满足SAP HANA独特的环境,”Pentaho首席产品官Chris Dziekan表示,“我们的整合能力和分析所有类型数据的能力呈现给客户更全面的数据管理解决方案,帮助他们获得有价值的业务洞察,确保竞争优势。”
“我们与HDS雄厚的技术和业务协作使得新的英特尔至强处理器E7 v3产品系列成为下一代HDS基础架构解决方案的基石,将为整个世界提供大数据和互联网的真知洞见。”英特尔数据中心营销总经理Lisa Spelman表示,“使用英特尔至强技术以及HDS强有力的创新平台, 实现系统的轻松构建,可以很容易地实现大内存数据库规模化的解决方案,比如面向SAP HANA提供高可用性,服务器和存储的集成,以及满足用户需求的嵌入式虚拟化。”
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。