内部存储管理机制被添加至云选项当中。
Exablox OneBlox阵列近照
Exablox公司正着手将可变长度重复数据删除功能添加至其固定长度内联数据削减方案当中,并希望借此提升其基于对象之NAS阵列的执行效率。除此之外,另有一项内部管理功能亦被纳入进来。
可变长度技术利用滑动窗口来确定重复数据删除机制的最优边界位置。这两种可选重复数据删除模式彼此结合,共同实现内联压缩以最大程度提升数据总量削减效果。
OneBlox Ring备份共享副本能够使用可变长度与压缩处理,而位于同一存储设备当中的一级存储数据则可使用固定长度与压缩处理机制。
Exablox公司指出,其目前已经能够将数据压缩比率提升至20:1(在数据类型合适的前提下)。根据该公司的说法,客户则能够借此将OneBlox的存储容量提升高达95%,并将存储资源使用成本降低至每GB 0.03美元。
Exablox公司还宣称,这项功能"非常适合同其它主流供应商推出的备份/恢复软件协同使用,具体包括Veeam、AppAssure以及CommVault等厂商。"
Exablox方面同时对自家管理方案做出了调整,其中Private OneSystem内部管理系统已经能够在现有OneSystem SaaS云环境下起效。
Private OneSystem可以虚拟机形式运行在客户的数据中心当中,这意味着其与存储阵列之间仍然属于远程关系。
可变长度重复数据删除功能将以免费升级的形式向全部现有OneBlox 4312客户交付。Private OneSystem已经开始向Exablox渠道合作伙伴交付。
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。