Amazon Web Services于本周四为业务合作伙伴提供了另一套用于降低潜在云服务支出的选项,发布一种新的存储服务类别,且介于标准与冷门存储之间。
这一名为S3 Standard-Infrequent Access的新型类别属于一套独立解决方案,旨在让某些常见用便当中鲜少被触及的数据能够在拥有理想访问速度的同时、继续保持亲民的使用成本,Amazon Web Services首席倡导者Jeff Barr在AWS官方博客当中解释称。
这套方案源自客户们发给Amazon方面的反馈意见,而根据Barr的说法,其诞生也考虑到了为高访问频度数据提供新型获取方式能够带来市场机遇这一分析结论。
"我们认为,这种定价模式将使这种新型存储类别在长期存储、备份以及灾难恢复等领域拥有非常出色的成本水平,同时允许客户继续以良好的速度检索陈旧但仍然必需的数据,"Barr写道。
Amazon方面还于本周四下调了其Glacier冷门存储服务的价格设定,并将于本月内开始生效。作为通常需要等待三到五个小时才能实现数据访问的方案,这项归档服务的使用成本将由每月每GB 0.7美分继续下降。
新的S3 Standard-IA类别服务的使用成本介于Glacier与标准S3服务之间。其每月每GB存储容量要价1.25美分--相比之下标准S3的每月每GB存储容量价格为2.75美分到3美分之间。
与此同时,Standard-IA提供与S3相对等的高性能延迟表现,只不过在服务水平协议方面略有妥协,而且会向用户额外收取每GB 1美分的检索费用。
RightBrain Networks是一家位于密歇根州安阿伯市的Amazon白金合作伙伴,该公司CEO Jamie Begin表示每位解决方案供应商在选择一套存储方案之前都应该向客户提出这样一个冬日的问题:"您需要以怎样的频度对自己的数据进行访问?"
如果答案是每年不超过一次,那么这样的数据显然应该被交由Glacier负责承载--AWS所推出的用于取代离线磁带的归档服务。
"虽然嘴上说说不费吹灰之力,但其实际使用非常繁琐而且恢复起来也极为缓慢--跟磁带有得一拼,"Begin在接受采访时指出。
如果数据的访问频率相对较高,那么S3则仍然是最理想的选择。
不过作为在速度表现与易用性方面皆更为出色的新选项,AWS带来了速度与成本方面的"伟大妥协",他指出。
对于需要每个月对数据进行访问的用户而言,这可能是最具成本效益的解决方案了,Begin表示。
Flux7是一家来自德克萨斯州奥斯汀市的Amazon高级咨询合作伙伴,该公司首席技术官Ali Hussain在采访中指出,此次推出的新型存储类别将敦促用户利用S3保存内容而非提供内容。这意味着归档数据、创建备份、保存日志以及其它类似的工作将拥有新的驻留平台。
"其涵盖了访问频度不高但仍然时有发生的各类用例场景,"Hussain指出。
而像Dropbox这类无法承受数小时访问延迟、但所保存的数据在大多数情况下却处于闲置状态的存储服务,也将能够从新的存储类别当中受益。
正如Flux7这类解决方案供应商所希望的,"我们应该能够在处理客户'日志与备份数据'的同时,从更为低廉的存储服务使用成本当中受益,"Hussain在采访当中表示。
Barr同时指出,很多用户还需要在数据创建的同时对其中的一部分特定类型加以访问--例如共享文件或者需要立即加以分析的原始数据等。在这种情况下,数据的重要性显然不容置疑,但其中也有相当一部分会长期处于闲置状态。
考虑到这一点,他表示Amazon允许客户设置Lifecycle Rule(即生命周期规则)以实现数据在不同存储类别之间的迁移,从而通过自动化方式使用更具成本效益的归档机制。换言之,数据可以在一个月之后由S3转移至新的存储类别或者Glacier当中。
Hussain在采访中还表示,Glacier服务价格下调可谓睽违已久,当初Amazon于2014年年初对S3标准价格进行削减时客户就一直在等待着这一天的到来。
此次价格下调让Glacier拥有了与S3整体价格更为协调的水平,也鼓励用户能够快速将保存在S3中但又不需要立即检索的长期归档数据转移到Glacier当中。"
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。