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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。