当然,除了Amazon云自身
对象存储初创企业Cloudian公司表示其拥有傲视一切对象存储供应商的S3兼容性表现,而这种能力真的、真的非常重要。
我们就此与Cloudian公司销售副总裁Jon Ash进行了交流,探讨为何这种兼容性如此重要。
首先,需要指出的是Amazon S3并不具备行业标准,因此尚未一套规范性的S3认证流程。有鉴于此,Ash表示:
根据他的说法,S3 API拥有众多组成要素。Cloudian公司以原生方式实现完整API集成,而大多数——甚至是全部——其它供应商都需要使用S3连接器机制以模拟这种效果。Ash表示:“这套规范一直在频繁更新及改进,这使得其它无法以原生方式使用该API的厂商很难与之同步更新并保持稳定。”
Ash向我们展示了以下四个具体实例。
首先是V4SIG,其是由AWS方面于2014年1月发布的最新安全控制方案,各应用程序需要在其管理下方能与S3进行交互。
V4SIG支持已经成为全部AWS新分区的必要前提,Ash指出,而且“目前Cloudian公司是惟一一家支持V4SIG的对象存储厂商。”
第二点在于服务器端加密,其允许数据利用客户提供的密钥以加密方式存储于S3当中。这项机制能够显著提升安全性水平,而加密数据的内容亦无法被其他系统用户或者管理员所查看。AWS自2011年起提供这种能力,而Cloudian则旋即于2012年实现同等功能——但目前Swftstack、Scality乃至Cleversafe都无法提供这种完整的S3兼容性,Ash解释称。
他列举的第三个实例在于对象版本控制。其允许用户“拥有多套副本,从而保证关键性协作以及向旧有副本回滚的能力。”这项功能早在2010年即登陆AWS平台,并于2011年在Cloudian方案中实现。但截至目前其“仍然未能在Swiftstack、Caringo乃至Cleversafe方案中实现——而Scality也只能实现部分支持。”
第四项实例在于跨区域复制。这“允许跨区域镜像克隆是实现灾难恢复功能的关键所在; 2015年3月起AWS就开始提供这项功能,其亦可利用我们的Cloudian最新版本实现,但目前还没有任何其它对象存储供应商提供这项功能。”
Ash表示,Cloudian公司亦与多家使用S3连接器机制的供应商协作,其中包括Veritas与Avere。其产品所提供的内部存储方案还能够作为Amazon云中的另一存储层。其在本地保留“存根”,意味着由AWS掌握的对象仍将存在于Cloudian的对象空间当中。“没有其它厂商拥有这样的能力,”Ash宣称。
Cloudian在Veritas兼容性列表上的描述
他还表示,没有其它对象存储厂商能够彻底解决多租户环境下彼此影响的问题,这意味着单一对象存储访问者往往无法得到正确的系统资源配额。
Cloudian公司客户Schuberg Philis是一家位于荷兰的欧洲托管厂商,主要为大型金融企业提供服务。该公司评估团队成员Brenn Oosterbaan表示:“我们在寻求一项向外扩展存储服务,并审视了各家主要对象存储厂商。这份潜在选项包括Scality、Swiftstack以及Cloudian。我们最终选择了Cloudian,这主要是考虑到他们与S3规范的兼容优势以及未来继续保持这种兼容水平的承诺。”
Ash希望我们意识到Cloudian目前所拥有的卓越竞争优势:“我们在九成情况下都能胜过Scality,”而且“Cleversafe的一家规模最大的客户已经开始购买Cloudian产品。”
在未来十二个月当中,他预计Cloudian将在客户数量与营收规模方面压倒IBM Cleversafe、Scality以及Swiftstack。
这样的宣言绝对够胆,我们也将紧密关注Cloudian能否顺利达成Ash设定的宏伟目标。
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。