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
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。
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。
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。