VMware公司已经对旗下VSAN加以更新,此次虚拟SAN软件的6.2版本新增数据删除以对抗Nutanix与Simplivity的超融合基础设施设备。
VSAN结合vSphere服务器节点中的直连存储机制,从而建立起名为虚拟SAN的汇聚性共享存储资源,从而避免了用户对于共享式外部存储阵列的需求。
此次发布的新版本增添了:
这些数据体积削减方案立足于集成化VSAN节点层面。其重复数据删除功能可作用于固定4K数据块,并在数据由VSAN缓存(包括DRAM与PCIe闪存卡)向SSD移动的过程中加以执行。一旦数据经过重复数据删除处理,其同时亦完成压缩操作。
不过上述功能只适用于配备有全闪存硬件的VSAN产品,而尚无法支持磁盘或者混合型闪存/磁盘配置型号。其设计思路在于,闪存由于使用成本远高于磁盘而能够从数据体积削减技术中获得更为显著的收益,而基于闪存的系统亦能够利用这些速度远高于磁盘的存储资源加快计算数据的存储与访问性能。
VMware公司阐述VSAN闪存与混合方案间的区别
VMware公司表示其观察到的VSAN工作负载体积削减比例可达到7:1,不过大家在实际使用中肯定达不到如此可观的水平,特别是如果大家使用这些软件来处理那些“包含大量独特记录的数据库”的时候。根据虚拟巨头的说法,数据体积削减操作大约需要占用多核心服务器CPU资源的5%左右。
擦除编码则采用RAID 5或者6的奇偶校验数据并将其在多台VSAN服务器主机之间往来传输。其中RAID 5最低需要四台主机构建,从而保证四项校验与三条数据片段的往来传输。这意味着保护功能需要占用掉33%存储资源,具体来讲就是保存20 GB原始数据需要使用27 GB存储空间。
而在RAID 6当中则至少需要使用六台主机,从而实现更出色的节点与设备故障保护能力,在这种情况下存储20 GB原始数据则需要使用30 GB存储空间。
此前的VSAN版本利用复制功能实现数据保护,意味着20 GB原始数据存储需要40 GB空间来支持。
目前让我们感到好奇的是,VMware公司的股东们是否赞同其将自有对象存储软件添加进来以实现擦除编码技术?EMC公司在这一领域已经拥有了Atmos与ECS两套解决方案。
以上图表展示了一套四节点VSAN 6.2配置方案,其采用SuperMicro服务器硬件,主要对抗Nutanix NX-3160 HCIA混合闪存-磁盘产品以及Pure Storage等厂商推出的全闪存阵列——当然,VSAN 6.2配置方案的成本更为低廉。
VMware公司还发布了一份图表以比较VSAN与IDC MarketScape报告中位列第二之HCI供应商的部署情况。根据这份2014年全球超融合型系统供应商评估报告所言,作为比较的对象显然应该是Simpivity而非Nutanix。不过VMware公司指出其自身目前位列第一,而位居第二的则是Nutanix。
IDC MarketScape:2014年全球超融合型系统供应商评估
Vmware公司发布的这份图表显示其在客户数量(VSAN客户已经超过3000家,而根据我们掌握的情况Nutanix目前的客户数量为2100家)、部署单位数以及营收增幅等方面胜出,但优势并不特别明显。
VSAN对Nutanix。需要注意的是,图中并不存在任何基于数量或者单位的纵轴,因此可以肯定这是一份营销专用图表。
VSAN 6.2共提供以下三个版本:
另外vRealize云控制器软件版本亦迎来更新。
我们现在期待着EMC方面是否会将VSAN 6.2引入其融合型以及即将推出的超融合型产品当中。
VSAN 6.2将于今年3月初上市。标准版每插槽售价2495美元,高级版每插槽3995美元,企业版每插槽5495美元。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。