DDN公司已经更新了其向外扩展/向上扩展文件存储GS12K阵列,新版本名为GS14K,并表示是业界目前速度最快且最为灵活的向外扩展文件存储阵列。
GS代表GRIDScaler,这是一套专门面向采用GPFS(即通用并行文件系统,IBM公司目前将其称为Spectrum Scale)之高性能计算负载的向上扩展/向外扩展存储系统。
其兄弟方案EXAScaler产品线则采用Lustre替代GPFS。因此ES7K(ES7000)实际上就是一套利用Lustre取代了GPFS的GS7K。
上一代GRIDScaler产品线当中包含配备有WOS(即Web Object Scaler)后端存储的GS7K(于2014年10月推出)以及基于SFA12K/12KX阵列技术的GS12。
GS14K示意图
14000(14K)则表示其采用SFA14K阵列技术,包含双主动:主动控制器,于2015年首次推出。其基本单元需要4U机架空间。
DDN公司指出,GS14K阵列旨在面向金融服务(包括回溯测试、风险管理以及异常检测)、生命科学(包括基因测序、临床研究、制药以及农作物改造)、网络与云、固网与电信运营商以及制造行业(航空与汽车设计)。
全闪存、混合闪存/磁盘以及全磁盘GS14K的特性包括:
• 跨NVMe闪存、SSD、磁盘、磁带以及云实在存储分层
• 跨层数据单一视图
• 嵌入式PCIe结构以实现低延迟数据访问
• 集成Hadoop与OpenStack环境
• 可独立实现容量与性能扩展
• 业界最高的单机架存储容量
DDN公司并未透露新产品所使用的SSD容量与速度水平。其表示该系统拥有一套开放架构,能够利用EDR InfiniBand、Omni-Connect以及NVMe SSD等新型技术实现速度提升。
其基本参数规格如下:
GS7K、12K与14K规格表
每秒56 Gbit InfiniBand包含四条Fourteen Data Rate(简称FDR)链接,每条链接提供每秒14.0625 Gbit传输速率。EDR则代表Enhanced Data Rate,每条链接提供每秒25.78125 Gbit传输速率。DDN公司并未告知GS14K中包含多少条链接。如果为四条链接,则每个EDR端口的传输速率应该在每秒103 Gbit左右。
其支持NFS与CIFS/SMB以及NAS Client。另外客户还可根据需要选择IME突发缓存机制以应对极端数据IO速率。
目前来看GS14K在性能与容量方面皆属于文件存储方案中的翘楚,且主要面向超级与高性能计算业务市场--在这一领域,阵列通常需要为成千上万个CPU计算核心提供并行数据访问支持。目前全球五百强超级计算设备当中,有三分之二采用DDN阵列。
这类阵列方案如今开始在拥有商用级高性能计算要求的企业中找到立足之地,而Pure Storage的FlashBlade也面向同样的市场方向。
DDN公司表示,其GS14K全机架设备能够在参数上等同于3.25机架的EMC VMAX系统。
我们也期待了解全闪存GS14K与Pure Storage最近公布的FlashBlade有何异同--后者内置有数据削减技术,同时采用专利FlashBlade模块以取代普通SSD。
GS14K起步配置为100 TB与每秒3 GB传输速率,扩展至4U规模则可实现每秒32 GB传输能力,全机架规模则可达到每秒350 GB传输带宽。在容量方面,全机架配置可提供7 PB存储空间,每设备容量则为14 PB。DDN公司表示,多套系统相结合将提供每秒1 TB以上传输能力以及数十PB存储容量。GS14K目前已经全面投放市场,但具体售价尚不明确。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。