EMC公司的Data Lake 2已经不再局限于内部存储元素,而开始将云机制纳入其中。
EMC公司已经公布了其第八代Isilon操作系统,此次的新特性在于面向小型办公环境交付纯软件方案,而同时新增的Cloud Pool结构能够削减发送至云端的活动数据量。
Isilon是EMC公司旗下的一款向外扩展文件存储产品,其上运行的则是OneFS软件。这套非结构化数据存储系统能够支持文件协议以及HDFS。
EMC公司将目前的发展思路命名为Data Lake 2.0战略,旨在全面冲击企业边缘环境——也就是其远程及分支办公体系市场。与之配套的软件名为IsilonSD Edge,其中SD代表软件定义,它的作用是运行在能够与VMware VSAN相兼容的节点硬件服务器之上。
其将支持VMware ESX并能够被整合到vCenter当中以实现集中管理。
作为免费的非生产型使用方案,Edge支持最多六个节点,总计36 TB数据存储容量——而其核心存储容量则为50 PB——客户还能够面向数据中心Isilon设备进行数据导入/导出以及文件同步与共享。而在生产环境下,Edge则需要针对各个集群购买授权许可。
OneFS v8迎来了经过调整的更强执行内核,其现在能够实现非破坏性升级,从而进一步提高了可用性水平。虽然此前其已经能够实现较低程度的非破坏性升级,但更新之后其已经能够在完全不造成破坏性影响的前提下实现大版本升级。
而如果发现升级结果不够理想,用户还能够对该系统进行回滚。大家可以“根据需要将自己的应用程序或者最终用户环境回滚到升级之前的状态”。EMC公司将其称为.Next选项。另外,OneFS 8.0还新增了SMB 3.0支持能力。
Cloud Pools会将活动程度较低的数据发送至公有、私有或者混合云进行归档,从而帮助核心Isilon文件存储系统节约存储空间。EMC公司指出,这种作法特别适合那些需要保障合规性或者其它监管要求的数据使用场景。
Isilon目前拥有一套归档层,所有已归档文件都能够在Isilon全局命名空间当中直接查看,也就是具备了可读访问能力。
而作为外部对象存储机制,其能够支持的目标云方案包括AWS、Azure以及VMware的Virtustream,而且数据迁移过程中不需要云网关的协助。作为其它目标选项,EMC的ECS可被Isilon文件存储系统作为私有云模式使用。
被发送至云端的文件会经过加密与压缩。存储成本为每GB每月1美元起,如果使用内部Isilon作为存储平台则能够实现更低的使用成本,并将总体拥有成本转化为日常运营成本。
Cloud Pools的存储能力超过50 PB,也就是Isilon集群的容量上限,而可容纳文件总数则超过8万亿个。
Chad Sakac在博文中使用的Isilon系统分层示意图
下面让我们更直白地进行说明。EMC公司目前正在创建一套Isilon数据结构,其主要面向数据中心以及分支办公环境部门需要,并能够通过Cloud Pools实现面向公有云的扩展能力,且这一切都能够在单一OneFS环境之下进行访问与管理。
NetApp公司对于这样的设计概念肯定也相当认同,甚至有可能向EMC发出申请,希望后者的OneFS 8.0能够将自家Data Fabric设计方案纳入支持范畴。
Chad Sakac在博文当中对这款Isilon软件进行了评测。根据他的观点,未来还将有更多软件定义Isilon版本与广大用户见面,也许包括OneFS加裸机设备的选项。
OneFS 8.0、IsilonSD Edge以及Cloud Pools都将于2016年年初正式投放市场,而具体定价信息届时也将一同公布。
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。