Starr的好主意:让文件访问速度更进一步。
以手工方式拔出磁带卡盘
生产混合型闪存磁带卡盘的主意是由SpectraLogic公司CTO Matt Starr在昨天的一次谈话当中提出的。
他指出,LTFS已经在市场上变得越来越受欢迎,但被保存在磁带上的LTFS信息则无法被直接读取--我们需要首先将对应的LTO卡盘插入驱动器才能访问其中的数据。
这无疑需要耗费相当的时间,而且在磁带库当中,会由机器人负责将驱动器从架子上拿下再接入驱动器。即使这样,大家不妨想象一下,如果在磁带卡盘当中加入闪存芯片又会怎样。这意味着LTFS信息可以被保存在闪存当中,从而显著提升读取速度;而且通过这种方式,首文件的读取速度亦能大大改善。
在这套方案当中,闪存将以缓存的形式存在,其作用与在混合型闪存/磁盘驱动器当中一样,而且可以被用于存储/缓存磁带内容元数据。
照这样的思路考虑,那么驱动器需要负责为卡盘供电,同时将读取线缆接入其中,这样闪存芯片就能接受读取操作了。大家甚至可以想象在其中使用迷你USB之类的接口,从而同时实现供电与读取这两项要求。
这可能会成为未来LTO格式规范中的组成部分,例如接下来将要推出的LTO8。我们甚至能够设想甲骨文与IBM等老牌厂商将其纳入自己的专有磁带格式发展路线图。
磁带系统工程师们必须得告诉我们这样的设计方案为什么具有实际价值,而其具体回报又是否值得上由此带来的实现成本。
说到这里,我们想到了另一个更加奇幻的设计思路,即让磁带机器人在从插槽中拿取闪存/磁带驱动器时同时为其接入迷你USB类连线。这样一来,整套系统就能够在卡盘从插槽转移到驱动器内的过程当中即刻开始读取磁带中的元数据。通过这种方式,也许整个延迟时长还能再缩短几毫秒。
好文章,需要你的鼓励
Dfinity基金会发布Caffeine AI平台,通过自然语言提示创建功能完整的应用程序,旨在将全球开发者数量从5000万扩展到50亿。该平台基于区块链技术,用户可通过对话方式快速构建应用,包括博客和电商网站等。与Anthropic合作提供后端支持,挑战传统应用商店模式。
微软研究院推出SambaY架构,通过创新的门控记忆单元实现AI推理速度10倍提升。该技术采用解码器-混合-解码器设计,在数学推理等复杂任务上表现卓越,为高效AI推理开辟新方向,有望推动AI在教育、科研、医疗等领域的广泛应用。
社交媒体巨头Meta开发了一个AI模型来创造新型混凝土配方,并将其中一种应用于新数据中心的地面浇筑。该模型采用贝叶斯优化技术预测不同混凝土配比的抗压强度曲线,显著加速了传统需要数天或数周的测试过程。Meta与建筑公司Amrize和伊利诺伊大学合作,在明尼苏达州罗斯蒙特数据中心使用了这种新型低碳混凝土。该设施初期功率为10兆瓦,未来将扩展至75兆瓦。
瑞士EPFL研究团队开发的PERK方法通过参数高效的测试时学习技术,让AI能够像人类一样将长文档信息编码到专门的记忆模块中,显著提升了长上下文推理能力。该方法在多项测试中表现卓越,不仅能处理比训练时长32倍的文档,还解决了传统AI的位置偏见问题,为处理复杂长文档提供了创新解决方案。