博科抛出了一个新的发展战略,向IP存储敞开热情的怀抱。
昨天,博科中国区技术经理李华祥接受媒体采访时表示,博科的战略思路是要把SLA(服务等级协议)以及可管理能力等原本光纤通道SAN所需要的元素引入IP存储中,并且辅以一套集成的管理界面。
他解释说,IP存储目前分为NAS、iSCSO和FCoE三大块,现在有很多企业需要一些不是特别业务关键的IP存储,保存那些不是特别重要的数据,例如让虚拟机跑在NAS上面,这就对IP存储的SLA服务等级提出了比较高的要求。
他引用IDC的数据称,目前FC(光纤通道)的数据量每年增长幅度保持在30%-40%,其次是NAS和iSCSI,每年增幅20%-30%,FC仍然在增长,并没有停滞不前。
不仅如此,闪存逐步在iSCSI中得到普遍适用,少量被应用于NAS上。SSD闪存的存在对网络延时提出了更高要求,这就得让外部网络能够兼容和适应SSD的超级延迟。
然而,传统网络并不能满足以上要求,那么如何配合IP存储的发展?最重要的就是让企业的网络能够管理数据和关键业务的增长,同时降低风险和成本。
因此,博科利用在FC网络方面的多年经验,让IP网络更加健壮。在这个过程中,博科借鉴了不少SAN存储网络方面的一些经验,例如Trunk和负载均衡。
这次博科发布的产品组合包括专为IP存储优化的博科VDX 6740交换机,专为IP存储复制而开发的7840 IP扩展交换机,此外,IP与FC存储统一化的管理方案也被纳入到博科的Fabric Vision当中。
其中,7840交换机上其实在去年就已经发布了,当时主要是连接FC存储提供数据复制和灾备功能,而此次升级之后增加了扩展功能,可以连接IP存储做远距离数据复制,这样同一台设备就可以同时支持FC和IP存储。
部署专用网络对于IPC存储也是至关重要的。博科为此设计的VCS Fabric避免了相对复杂的三层协议,工作量配置简单,可以为关键业务应用实现所需的SLA,在长距离内提供本地复制功能,实时灾难恢复,并要统一管理IP和FC存储网络。
面向关键性业务负载的IP NAS同时也将被引入复制体系当中,这是因为指向备份、灾难恢复站点的数据也同样需要具备高性能及高可能性的传输连接。
因此总的来看,此次博科升级交换机产品的目的,是为了构建一个针对IP存储的网络体系,从通用企业以太网当中分离出来,同时博科相关支持机制也能以更为轻松的方式实现横向扩展。但同时李华祥强调说,FC存储仍然是博科重要核心,目前这一点不会改变。
对于博科而言,调整转向IP存储的战略重点是一个重要的动作:光纤通道市场已经发展得相当成熟,没有太多高增长的空间。博科显然已经意识到,光纤通道SAN这项重要业务的发展态势可能会比较低迷,所以多种传输机制共存开始变得越来越重要。
李华祥表示,国外很多企业转向IP存储要早于国内,但现在也有一些企业“回头了”,因为IP存储还是存在一些不可控的问题,也有利用IP存储网络去配合像软件定义存储这样的项目。他补充说,目前国内银行、保险和媒体等是比较早提出有转向IP存储需求的行业客户。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。