IT时代的数据中心以软硬件设备为核心,一定程度上应用和数据受限于数据中心的硬件条件;而DT时代,应用和数据则成为了企业所关注的重点。这一转变造成了当今数据中心所有组成部分需要考虑的不仅是提升性能,而是如何为企业挖掘数据价值服务。对于主流存储厂商而言,对于存储解决方案的思考也早已不局限在提高设备性能、降低成本的层面。存储未来如何做才能算是顺势而为呢?
技术演进为大数据发展铺平道路
过去数十年中,数据中心都在一个高速发展的状态,数据中心中大部分组件都遵从摩尔定律实现了性能的周期性提升,低性能的磁盘也逐渐被闪存所取代。数据中心技术的高速发展推动了企业应用的演进。在更高效的IT基础架构的支持下,企业应用可以满足更多用户的需求,也可以发展更多的功能。
随着企业关注点从搭建一个稳定、高效且低成本IT架构到挖掘企业数据价值,传统的 IT时代也逐渐实现了向DT时代的过渡。在DT时代,数据中心所有的组成部分都在思考自己的角色应当如何转变。而存储自然也要转变角色,适应DT时代的需求。
从传统存储到资源管理者
2015同有科技新品发布会上,同有科技作为一家专业存储厂商,给出了自己独特的思路。同有科技产品中心总经理仇悦对新品NCS12000的描述是:"它可以站在使用者的角度来实现自动部署,它可以站在存储专家的角度,动态调整存储资源的分配,包括容量的分配,以及性能的优化分配。它还可以站在系统管理员的角度,对所有资源进行统一的管理。"
这段演讲展示了同有对存储未来发展方向的思考。仇悦强调了NCS12000对存储资源的管理和控制能力,这其中包括容量的分配、性能的优化及按需部署等。站在资源管理角度看待存储,其直接的效果是存储不再是一个复杂封闭的系统,而是一个能够快速部署、灵活扩展并且易于运维的系统。当应用功能越来越复杂、数据量呈现出爆炸式的增长,系统如果不能对资源实现灵活管理和分配将是一个灾难。
从感知应用到重新交付配置方案
要实现对底层存储资源的统一管理和控制只能说是DT时代对存储提出的第一个需求,在这个基础上存储应该更了解应用的需求。这正如商店能够对自己的商品数量和种类进行很好掌控的同时,还应准确的掌握用户的偏好和需求量。从获取应用和系统状态数据,到形成新的资源配置方案,NCS12000将这个实现过程分为了三个阶段。
首先是感知引擎获取并处理过的数据(这里的数据又被分为应用感知数据,负载感知数据以及服务感知数据);第二步是通过同有的核心算法对数据进行处理并且设计出新的资源交付配置方案;最后,以上述的配置方案,同有将会做进一步的加工和优化最终交付给用户一个新的配置方案。
这个从对系统和应用进行全面分析到形成新配置方案的过程中,同有即完成了对自己固有存储技术和核心算法的集成,同时将存储向应用推进了一步。这是让存储更了解业务的一种做法,也是NCS12000能够适应众多具有不同需求的业务场景的关键。
从存储的发展来看,靠近应用和挖掘数据价值无疑是两个重要的方向,软件定义存储、闪存及数据的生命周期管理无不体现了这一思想。NCS12000同样具有很多亮点,而其中对应用需求和系统状态感知,并以此为基础对存储资源进行统一管理和灵活配置可以说是最抢眼的。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。