全球化存储和信息安全公司—怡敏信公司(NYSE:IMN)宣布其Nexsantm E-Seriestm存储阵列通过了DataCore Ready认证。通过集成DataCore的SANsymphony-V存储虚拟化平台,该解决方案可通过显著提高数据可用性、敏捷性、性能和灵活性加快数据中心的投资回报速度。
怡敏信Nexsan解决方案营销和技术服务副总裁Mike Stolz表示:“如果没有虚拟化,那么在各个应用孤岛中,再高的存储和计算能力也都是枉然。在虚拟化环境中,我们可以借助异构设备对硬件资源进行存储和优化,显著提高IT管理员的灵活性。有了DataCore SANsymphony-V和Nexsan E-Series集成解决方案,IT管理员就能够借助高可靠性且值得信赖的Nexsan E-Series硬件开发出最佳的虚拟化存储结构。”
集成解决方案为用户带来了一系列优势,包括:
· 性能—以Nexsan E-Series阵列作为高性能存储基础架构,SANsymphony-V能借助存储空间最大可达1TB的RAM缓存大大提高读写速度,进一步提高性能。此外,SANsymphony-V还能借助自动再调整热点负载功能进一步提高响应速度和吞吐量。
· 高效的配置—IT专业人士可借助Nexsan E-Series系统混合配置SAS、SATA和固态驱动驱动器。同时,SANsymphony-V可根据需求配置虚拟化磁盘,以支持不同类型的工作负载。借助粒度精简自动配置和容量自动回收功能,IT管理员可配置出多种可提高效率的方案。
· 自动分层—SANsymphony-V会持续分析哪些数据块需要提高I/O吞吐量,然后再将这些数据块自动分配到适当的存储层。这一自动数据处理进程将会赋予SQL数据库等优先工作负载优先存储级,使其可优先存储到闪存等快速存储器上,而不经常使用的数据或优先级较低的工作负载数据将转移到成本较低的驱动器上。E-Series存储阵列可根据容量、性能和价格特征,为存储层配置提供几近无限的灵活性,此外,这一解决方案还可以在单一的Nexsan E-Series系统内或在现有存储硬件间实现多存储层配置。
· 业务连续性—借助同步镜像,集成解决方案可将数据同步存储到两个物理上隔离的地点,此外,它还可防止存储器的扩展集群配置出现单点故障。怡敏信与DataCore强强联手,面向价格不菲的存储阵列开发出一项极具性价比的备用解决方案。该解决方案还兼容了远程站点之间的异步复制功能,可支持灾难备份情境。
· 迁移—存储投资风险让存储变得更复杂,也形成了众多不相兼容的设备孤岛。为此,DataCore SANsymphony-V和Nexsan E-Series携手合作并综合现有的存储技术,以消除设备不兼容的风险,提高整个基础架构的投资回报率。此外,DataCore SANsymphony-V还可以全面虚拟化现有基本硬件中的数据,因此,在将数据从现有系统迁移到Nexsan E-Series时,可最大限度地降低其对运行中工作负载的影响,甚至不会对运行中的工作负载造成任何干扰。
DataCore联盟及业务拓展副总裁Carlos M. Carreras称:“DataCore和怡敏信之间的合作可以说历史悠久了,因此我们在全球范围内拥有许多共同的客户,他们都在存储架构中部署了我们的解决方案。Nexsan E-Series存储阵列与SANsymphony-V相集成无疑是一个可助力IT部门优化IT资源并且最大限度扩大存储投资有效价值的高效方案。”
DataCore Ready认证
DataCore Ready计划旨在寻找能够改善DataCoreSANsymphony-V Storage Hypervisor 基础架构的解决方案。尽管DataCore解决方案能够与通用的开源以及行业标准产品兼容,但是那些已经列入DataCore Ready的产品已经通过了其他测试认证,可确保联合解决方案具有更高水准的兼容性。
可用性
客户可以通过DataCore和怡敏信经销商处购买存储虚拟化解决方案。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。