EMC公司已经着眼于低延迟对VMAX设计进行了重构,并借此打造出两款新的全闪存VMAX产品。
存储巨头如今已经拥有四大全闪存阵列产品家族:XtremIO用于相对较为标准的全闪存工作负载; DSSD D5负责提供终极高性能方案; VMAX则提供高性能与大容量方案,同时匹配VMAX数据管理服务环境。
最后,还有一款全闪存VNX用于在VNX数据服务之下交付更为简单的双控制器闪存阵列性能方案。
目前VMAX All Flash(简称VMAX-AF)产品系列共拥有两款机型:
• VMAX 450可匹配一到四套引擎。
• VMAX 850可匹配一到八套引擎。
EMC公司宣称,VMAX-AF在总体持有成本方面低于基于磁盘的传统企业级阵列,且能够面向企业关键性任务应用场景。
它可向上扩展至最高4 PB存储容量,同时支持块存储、文件存储以及大型机访问协议,且仍然保持了VMAX的强大可靠性水平。其性能水平可向上扩展至400万IOPS,这意味着单一引擎能够交付约50万IOPS。
这样的IOPS表现相当于DSSD D5阵列1000万IOPS的一半。
其中采用V-Brick构建块设计。一个V-Brick中可容纳一套VMAX引擎与53 TB实际可用容量,且能够以13 TB为增量单位向上扩展至500 TB存储空间。(作为参考,D5阵列的存储容量为144 TB,实际可用空间为100 TB。)
这套系统采用三星PM863系列2.5英寸、32层、3D TLC V-NAND 3.84 TB SSD。这款闪存驱动器可实现每天一次全盘写入。
客户还可以通过将V-Bricks数量增加至八套上限以迎来4 PB存储空间。
VMAX-AF目前的IOPS水平提供可浮动区间,且延迟低于500微秒(DSSD D5的延迟水平为100微秒),同时支持最高每秒150 GB传输带宽(D5为每秒100 GB)。这意味着VMAX在速度方面几乎与DSSD相差无几,同时具备约28倍存储容量及50%传输带宽提升。一台3-V-Bricks 450能够提供150 TB存储容量,高于D5的144 TB。这将带来一种非常有趣的性价比参考。
VMAX-AF还具备一项Write Folding技术,旨在改进闪存使用寿命。
根据EMC II公司产品与市场营销总裁Jeremy Burton所言,这一新家族可能不会搭载重复数据删除功能,但将在未来获得软件压缩机制。
VMAX-AF产品自然而然地继承了全部VMAX数据管理服务,这也成为其面对DSSD D5阵列时的最大比较优势。这使得VMAX-AF成为一套更易于为既有VMAX用户接受的系统。
另外VMAX-AF还提供一套类似于设备采购的软件选择方案。其基础F级软件包提供:
• 精简配置
• 服务质量
• 嵌入Unisphere
• VVol支持与SnapVX技术
• AppSync数据保护软件以实现副本数据管理(简称CDM)
FX级软件包则提供:
• SRDF软件以实现远程复制,实现"六个九(99.9999%)"可用性水平。
• 基于控制器的闲置数据加密机制D@RE
• ViPR套件(包含控制器与SRM)以实现自动化配置、管理与监控。
• CloudArray软件负责在VMAX与云存储服务之间为非关键性数据建立链接。
• eNAS技术负责实现文件存储。
• EMC Unisphere 360负责立足于单一数据中心管理高达200台VMAX阵列。
然而,这些软件包中并未包含ProtectPoint软件。这款数据保护产品可被添加至VMAX-AF系统当中以执行VMAX与Data Domain阵列之间的直接备份操作,且无需配合任何其它备份软件。
XtremIO Xpect More Program亦被扩展至VMAX-AF当中。共提供经过简化的规划、部署与管理功能。另外该阵列家族还拥有一套寿命周期内平价维护模式与寿命周期内闪存寿命保护服务。
VMAX-AF还被引入至VCE公司(EMC旗下之融合型平台事业部)的Vblock与VxBlock 740融合型系统当中。
EMC公司认为到2020年,全部用于生产型应用的存储方案都将以闪存为基础; 传统磁盘则将被主要用于保存大批量归档存储数据。
考虑到这一点,EMC方面已经开始全力进军闪存领域,并借此取代传统数据中心内规模庞大但却性能低下的批量数据存储机制--磁盘驱动器。存储巨头宣称,没有哪款闪存阵列能够适应全部潜在用例。不过Pure Storage对此显然持有不同意见。
由于EMC公司拥有可观的销售与市场推动力量以及销售渠道,相信不久之后我们将被闪存阵列的消息所吞没。
这两套全闪存VMAX系统目前已经正式上市。VMAX-AF系统现可作为既有Vblock与VxBlock系统与VCE Vscale Fabric实现方案的VCE技术扩展选项进行订购。
* VMAX-AF是我们自行总结的缩写名称,并非EMC官方定名。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。