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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。