超融合系统跨整个分布式系统充分集成了计算,网络,服务器虚拟化,存储,数据删重/压缩和存储虚拟化。一些超融合产品还结合了数据保护,但超融合主要仍是对数据中心和产品环境起作用并且逐渐开始受到追捧。在近期Taneja Group的一次调查中发现,25%以上的企业IT主管称他们正在使用超融合作为数据中心的一个主要架构。
超融合平台以数据中心运营的方式引起了翻天覆地的变化。与传统SAN存储和独立的网络和服务器不同,存储被虚拟化并与计算堆栈集群。超融合平台不仅抽象化来自物理组件的应用程序和数据,还将虚拟化和池化的存储添加到一个令人兴奋的组合里。
这样的好处非常大。IT能够降低运营成本和资本支出,腾出员工时间来优化虚拟应用程序而且花费较少的时间来管理存储。
不过,虽然超融合对产品环境产生了重大影响但在二级存储上却收效甚微。这不是批评。主要的超融合供应商如Nutanix和SimpliVity的确提供了本地数据保护,其中可能包括本地备份或备份集成,复制,虚拟机克隆和失效备援。然而主要超融合存在是为了服务产品环境,而不是融合保留在二级存储中80-85%企业数据的价值。
所以,是时候将超融合的概念引入二级存储领域了。
超融合特征
首先我们来看一个超融合平台的主要因素。它们在主要和二级存储上是相同的——向外扩展和网络规模分布式文件系统。
大规模向外扩展。向外扩展是主要超融合的一个关键部分,但考虑到大规模数据的增长,我们甚至可以说其对超融合二级存储更为重要。超融合二级存储是以集群存储节点为基础构建,IT可以随意增大附加容量和性能。
网络规模分布式文件系统。一个分布式文件系统相比多存储系统常用的管理界面前进了一大步。超融合系统需要随时检索和提供所有存储数据的功能。这要求一个文件系统自动跨所有节点进行分布。由于这些向外扩展的系统能够增长到几千个节点,这个文件系统需要具备网络规模的性能和高可靠性。
有了以上架构,超融合二级存储构建了一个具有成本效益的二级存储层,提取数据来测试/开发,数据保护,分析,策略遵从性和电子数据展示等——一切都在一个单一系统上完成。好处包括用一个单一系统进行管理,结束二级存储竖井(silo),较少副本和对容量管理和性能的系统级提升。超融合二级存储先前也提出不透明数据对IT和进程透明化。
使用案例
更有效的业务连续性。实际上你会想从数据中心复制一些数据到一个远程或云站点,比如带有异地副本要求一级数据或者严格监管的数据。可是,如果能轻松恢复使用超融合二级存储,你就不需要一个远程(而且昂贵的)复制品。在这里要注意大多数超融合供应商在主要和二级存储领域里提供本地复制。
更好的测试/开发。软件开发者用产品复制品测试新版本并建立沙盘环境。传统上这需要动态存储进行产品环境的副本迁移。但采用超融合二级存储,对该数据进行虚拟化,占用零空间。
深刻分析。在主要数据上进行分析已经有了足够的挑战性,更不必说在位于多存储竖井中的二级数据上进行分析。采用超融合二级存储,IT能够跨更多数据进行分析,而且成本较低。这能使IT通过虚拟机和用户了解使用趋势,日志操作。
Cohesity和Rubrik在新的超融合二级数据领域脱颖而出。二者都有云集成,鉴于二级数据的不断增长,这一点极为重要。
Rubrik的融合数据管理平台包括高效摄取的备份软件,它跨所有大规模分布式系统复制和检索存储。Rubrik也支持测试/开发操作。
Cohesity也能在其向外扩展系统中删重和检索所有数据,它对数据保护,测试/开发,和包括应用趋势和用户/虚拟机报告的分析提供本地支持。另外,Cohesity支持永和和第三方创建自定义分析。
前景展望
为了更有效和降低成本,主要超融合正在通过实现用IT来管理产品数据进而转变数据中心。这些相同的优势都在转化到二级存储上。通过建立统一和大规模的分布式二级存储,IT能够针对存储管理和业务流程更好地识别和使用数据。
虽然Cohesity和Rubrik都有力地冲击了该市场,但新的技术采用总比大多数供应商想象的要慢的多。在这种情况下,超融合二级存储极大获益于渐趋成熟的主要超融合。对于后者,越来越多的数据中心管理员在它们的传统基础设施组件挂掉的时候,采用了超融合系统。超融合二级存储之后大家会看到一个类似的过程,开始的采用率主要来自肯在管理二级存储竖井方面烧钱和时间的公司。之后它们对超融合二级存储感到满意,采用这些解决方案作为一个试点项目或限制部分功能的新版本,在见证到轻松增长地高可扩展性系统之后,势必会掀起一股采用热潮。
同时,现有的超融合供应商将继续微调它们的产品功能比如更好的与公有云集成。新的超融合二级存储产品会有些混淆视听,主要超融合供应商也会提供更多复杂的数据保护产品,随着供应商设法将超融合扩展到远程办公室和分支机构(ROBO),这个市场会越来越热闹。总的来说,主要和二级超融合市场将会在未来很长的一段时间处于增长状态。
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。