
第二代闪存存储方案更高、更快、更强……如同洛克希德推出的SR71黑鸟战机
以色列初创企业E8 Storage公司已经走出隐形运营模式,计划推出一款令世人震惊的超强闪存产品。
这台2U设备据称能够将会1000万IOPS,并采用容量在7到140 TB(实际可用容量)的NVMe接入式2.5英寸SSD。其可扩展至支持成百上千访问服务器,提供块存储机制并属于闪存SAN。
其读取延迟为100微秒,写入延迟则为40微秒。那么这样的惊人效果是如何实现的?
E8公司产品管理副总裁Valy Ossman表示:"我们并没有构建自己的ASIC或者FPGA。……我们之所以能够实现如此级别的性能水平,是因为我们通过数据路径上的控制器构建起解决方案,从而消除常见瓶颈。这正是我们的秘密武器。"
除此之外,他没有透露任何进一步信息。
其它技术细节同样非常匮乏。这些SSD能够接入单或者双端口。整套系统提供RAID、高可用性以及快照机制。与服务器的连接则利用以太网实现。
我们猜测其中应该是利用到了某种形式的并行IO机制,例如DataCore公司为其SANsymphony软件添加的新功能,从而实现如此夸张的IOPS速率。也许其中还包含某种驱动器直接访问机制?又或者采用了DRAM缓存技术?当然,这一切目前尚无定论。
其潜在买家主要包括超大规模数据中心与企业级存储运营部门。Ossman指出:"我们的客户计划利用一台设备以支撑起一套包含96台计算机的50U服务器机架体系。如果客户需要更多存储容量或者IOPS,则可轻松将更多机柜添加至堆栈当中,从而实现容量与性能提升。其典型用例主要为大数据分析。"
这意味着该系统具备向外扩展能力。Ossman告诉我们:"部分研究人员正在着手利用20U存储体系交付1亿IOPS。"
这可能意味着EMC公司即将推出的DSSD机架规模闪存阵列已经迎来了真正具有威胁的竞争对手。
我们已经进入了一个终极高性能存储时代,其实质为第二代全闪存阵列。在此之前,TMS与Violin Memory奠定了第一代全闪存阵列的根基,而Pure、Kaminario、XtremIO、SolidFire以及其它众多厂商则凭借着自身努力使其得以确立。
这第二波浪潮则由Mangstor、DSSD以及E8所推动。毫无疑问,未来还将有更多厂商加入进来。
我们向Ossman征求了其对于Mangstor与DSSD的意见。
"关于Mangstor,他们似乎属于某种JBOF(即闪存簇)。我认为未来将有更多企业以此为方向推出相关产品。NVMe与RDMA使得供应商能够非常轻松地将来自主机的IO传递至目标处,而这也确实能够满足一部分客户的需要。"
"在E8公司,我们认为一台高容量设备--特别是作为众多服务器的存储支撑方案--必须具备高可用性与弹性,因为客户绝对无法接受由单一NVMe驱动器或者控制器故障所引发的整体计算集群宕机; 而闪存存储区的购买成本往往高于50万美元,这显然也是买家难以承受的。这些都是JBOF概念的弊端所在,但我敢肯定会有一部分不在乎故障问题的客户利用JBOF充当缓存机制。"

需要强大的机密技术成果才能达到洛克希德SR71黑鸟这样独孤求败的境界。
"DSSD拥有一款出色的产品,其已经经历了约五年的研发周期。我认为他们确实找到了正确的探索方向,但令我惊讶的是他们对其规模扩展上限做出了半机架(即46服务器)的限制。我真的无法理解这种决定。这是一种非常严重的局限,特别是对于超大规模数据中心而言,在那里作为主要应用场景的分析负载需要更加强大的资源供给。"
"我认为客户能够接受对容量或者性能的妥协,但如果大家需要两台DSSD D5(10U)来构建一套机架(在除去DSSD自身所使用的空间后,实际为3/4机架),那么存储密度就成了大问题。已经有客户向我们反映,他们希望把我们的设备接入至机架侧面--很明显,两台D5是做不到这一点的。"
"考虑到这一切,DSSD还采用PCIe主干(但为什么要这样?它会让整套系统变得更加复杂)……以及大量定制化硬件,我敢肯定这会严重影响到使用成本(与功耗水平)。我不太确定他们为什么需要这样的硬件组件,因为在E8这边,我们能够利用普通的商用硬件与软件实现一切。"
"我还不清楚他们的性能数字,不过基本可以假定其具体水平会受到PCIe性能的束缚,我预计其IOPS同样在1000万左右,而延迟有可能低于我们的100/40微秒。当然,他们的存储容量应该也能够达到我们的两倍,因为其占用5U空间而且采用内部设计的高密度闪存卡。"
正如他所总结称:"我猜29号会有更多消息得以公布。"
来自以色列的E8公司正着手在加利福尼亚州桑尼维尔开设销售与市场营销分部,旨在为其进军美国市场做好准备。感兴趣的朋友可以访问其e8storage.com网站,站内提到了其毫无缩水的机架规模存储方案,并将其描述为"业界第一款集中式NVMe解决方案"。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。