上海大学作为国家“211工程”重点建设高校之一,是上海市重要的人才培养基地。自1996年校园网建设至今,学校的网络基础设施建设已基本完善。但随着学校规模的日益壮大,信息化建设的深入发展,所需应用数量及存储空间的极速增长,上海大学亟需一个能够简单无缝扩展的 IT 基础架构,以实现存储的高性能扩展 ;一个灵活且富有弹性的IT基础构架,配合网络资源、服务器虚拟化实现整体IT构架的虚拟化,以提高存储效率;一个永不停机的IT存储架构,和一个可以轻松管理的集中式自动化IT基础架构,能简化应用部署的时间,尽可能地将更多时间投入到达成业务的工作上。
NetApp Data ONTAP满足上海大学IT系统的新需求
上海大学在5年前已借助于NetApp V3100 系列虚拟化存储及MetroCluster软件,构架了统一的存储系统平台,并为一卡通、邮件服务器、SAP等核心业务提供高性能和高安全数据保护。
而新部署的集群模式 Data ONTAP操作系统,结合包括FAS2240 存储系统以及 Cisco UnifiedComputing System™ (Cisco UCS®) B系列刀片式服务器、和 Cisco UCS 6248 XP 互联交换矩阵在内的FlexPod解决方案,可提供2x48个万兆高性能统一交换阵列和配置管理平台,实现了在不增加 IT 支出的基础上,避免学校应用程序停机。同时,这套解决方案优化了上海大学的100%虚拟化环境中的高可用性、集中化管理、无中断运行以及纵向扩展和横向扩展功能。
图:上海大学Data ONTAP解决方案
上海大学信息中心技术负责人倪卫民表示:“NetApp 集群模式 Data ONTAP存储系统将我们的VMware虚拟化环境中的高可用性、集中化管理、无中断运行以及纵向扩展和横向扩展功能提升到了更高的水平,我们还可以根据学校不同部门对于存储空间和性能需求,软件快速定义出一个存储虚机,然后交付应用部门使用。当现有存储性能无法满足需要时,可以无缝添加新存储节点至现有集群中,并通过在存储系统之间移动数据来执行维护或其他活动,而不会对应用的访问产生影响。”
部署Data ONTAP操作系统后,上海大学的IT部门以高效安全的数据管理新平台,全面提升了服务全校师生员工的信息化能力:
- 统一化的SAN+NAS存储架构:内置重复数据删除,提高效率,节省磁盘空间、可部署成千上万台虚拟机,并可实现快速灾难恢复,从而提高可用性。
- 永久在线的高可用性:可以通过在存储系统之间无缝移动数据来执行维护或其他活动,不会对用户产生影响。
- 简化管理:跨服务器网络层、存储层统筹安排妥善管理、直接执行存储和数据管理操作,无需存储管理员协助,提高效率。
- 永久在线的服务能力:全冗余设计,任何硬件故障都不会影响系统的正常运行,且部件均可实现在线更换。
- 按需灵活:实现共享存储架构,可无缝的增加容量,重新平衡资源,可快速部署新的系统。
- 提升运行效率:在同一个集群中混合不同的控制器及磁盘类型,可为关键项目按需移动资源、适应资源以满足业务需求。
- 提升存储效率:通过NetApp存储系统内置的重复数据删除、数据压缩、基于指针的克隆、存储空间动态精简分配等功能实现存储效率的极大提升。
NetApp为上海大学量身打造的集群模式Data ONTAP和FlexPod相结合的解决方案,将计算、网络和存储整合到一个系统中,实现灵活弹性的统一纵向扩展和横向扩展,满足了上海大学IT系统对高效灵活、高可用性、集中化管理、无中断运行及容灾的需求。尤其值得一提的是,这套方案大幅提高了高校对于核心数据的综合管理能力,提供了高级别的数据安全保护,并为信息系统的后期升级与扩展、虚拟化和数据容灾提供了全面的可用性和可靠性。
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。