富士通公司的模块化阵列产品线开始对高端方案进行更新,其第三代ETERNUS DX8700 S3产品与新的DX8900 S3阵列令人眼前一亮。在新的高端性能巨兽面前,上代方案显得孱弱不堪。
富士通公司英国及爱尔兰分部存储业务负责人David Histon在采访中指出:“ETERNUS DX8700 S3系列产品立足于新型架构,我们将其称为四星架构。以这一概念为基础,我们打造出了DX8700 S3与DX8900 S3机型。其中DX8900 S3属于DX8700 S2的后续产品,其拥有最多24个控制器模块与400万IOPS的扩展能力上限。”
他同时表示,富士通公司“将根据实际负载场景为该系统带来更为出色的IPOS表现。”
而在背景信息方面,他解释称:“其完全基于S3家族的设计概念与平台,因此意味着其拥有S3架构、第三代PCIe接口以及四星架构。具体而言,其具备S3家族的软件功能,例如透明化故障转移、服务质量管理器、AST、重复数据删除以及压缩等等,而且这些特性在DX8000系列下的全部机型上皆有提供。”
DX8700 S2是一款诞生于2011年11月的产品。我们猜测富士通方面可能有意调低了DX8700 S3的容量水平,从而为DX8900 S3保留更多扩展空间。
Histon同时指出:“DX8700 S3属于DX8900 S3的小兄弟。DX8700 S3的缓存容量更小而且控制器模块数量更少,但其仍然使用新型架构并提供超高缓存容量作为备选项目,我们能够最多为DX8700 S3添加24 TB的额外缓存空间。”
DX8900 S3的最大存储容量扩展上限为13.8 PB,且号称能够提供400万IOPS。NetApp公司的FAS8080属于其FAS产品线中的枯朽,同样拥有400万IOPS,但最高存储容量仅为5.8 PB——在这场比拼中,富士通方面得一分。
DX8900的控制数量为2到24个(NetApp公司的Clustered Data ONTAP也提供同样的数量支持),在概念上各控制器构成环状结构并接入四台前端路由器,且每台路由器与控制器各自相连。互连机制采用第三代PCIe,富士通公司表示其中包含用于实现负载均衡优化的主动-主动跨通道连接机制。
富士通公司向我们保证即使前端路由器或者控制器发生故障亦不会造成任何停机事故,而这要归功于其透明化故障转移与端到端冗余保护机制对于组件故障的应对能力。RAID保护机制能够解决驱动器故障问题。而两台DX8900之间的镜像同步则能够将阵列整体故障变得不再是问题。
每一套存储控制器对都可最多接入384块磁盘驱动器或者SSD。十二套控制器对乘以384块驱动器意味着我们最多可以向其中接入4608块驱动器。
相较于DX8700 S2,DX8900 S3拥有高达八倍的IO性能、八部传输带宽以及十二倍总线性能。
自动化服务质量机制则是ETERNUS的一大特色。存储管理员能够为一套存储分卷定义预期响应时间(或者优先级)。该阵列系统能够追踪实际响应时间,同时调整指向该LUN的传输带宽并在必要时重新设置存储层,从而实现理想的响应时间水平。富士通公司指出,这项技术可被用于支持虚拟服务器的服务水平管理。
DX8900是一款真正意义上的大型存储阵列,且拥有企业级可靠性水平。富士通方面将其作为巩固在线事务处理(简称OLTP)、大规模数据库、文件服务、关键性业务应用程序以及商业分析与/或大数据的重要依托,而且企业及云服务供应商能够将此类负载通过这套单一多因素体系加以实现。
根据我们的汇总结果,富士通的ETERNUS系列已经正式步入向外扩展、双控制器阵列时代,其集群节点数量与NetApp麾下的旗舰级ONTAP产品相当,拥有超越FAS8080的存储容量且具备出色的可靠性水平。
DX8700 S3与DX8900 S3都将于今年8月1日正式投放市场。我们得到的消息是其“不同配置及不同地区市场上的价格有所差异”,但富士通公司尚未披露任何具体数字。
好文章,需要你的鼓励
中国AI的一个挑战是:美国算力规模大1-2个数量级,且大量投入下一代Research,中国公司光交付就占据了绝大部分资源。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能,用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用,进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议,而是帮助用户理解复杂医疗报告,为医患沟通做准备,并承诺严格保护用户隐私数据。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。