知道仅仅是简单的"明天有雨"的预报,气象部门要处理多少数据么?几十G,几千G?NO,气象部门告诉我们,真实处理数据量往往达到了TB甚至PB的级别!这就不难理解西安市气象局为啥把对高性能存储看的很重了。西安市气象局采用了浪潮AS8000-M2虚拟化存储系统,构建了高性能存储系统平台,让气象预测更加靠谱。
西安市气象局中的"疯狂数据城"
西安市气象局的业务包括天气预报、气候预测、农业气象预报服务、空气质量预报、人工影响天气等等,给西安市的经济与社会运行作出了巨大的贡献。在为西安市提供气象信息的过程中,西安市气象局发现,社会经济运行对于气象信息的要求正在以惊人速度成长着:农业生产需要预知降雨温度,环境预测需要了解风向变化,防洪防涝需要宏观信息预测……这些开脑洞的服务带来的大量数据,足以构成一个气象界的"疯狂数据城"了。要满足这些需求,就必须升级现有存储基础设施,把气象信息预测的速度与准确度再提高一个level。

在新存储系统建设之前,西安市气象局已经有一套配置容量为48T的存储系统,听起来这个数字虽然很庞大,但是一旦与气象预测所产生的数据量比起来,这点容量就小巫见大巫了。而且,用于气象分析预测的高性能计算系统也在不断的进化之中,如果存储系统的读写性能达不到要求,那么就会形成存储瓶颈,气象预测的效率当然也就难以提高了。
此外,气象数据属于事关国计名生的重要数据,如果一部分气象数据因为存储系统的故障而丢失,甚至是预报系统崩溃,那么将会对社会经济的运转构成极大的影响。试想一下,如果在洪涝灾害即将发生时,预警应用由于存储系统的故障没能正常运行,那将造成多大的生命财产损失。
在分析完对存储系统的需求之后,西安市气象局的工程师拟定了存储系统的更新需求:新购置不少于160T磁盘阵列系统,要求新建存储系统具有高度的稳定性和安全性,充分考虑今后业务发展和进一步升级、扩容需求,保证原高性能计算系统稳定运行和性能发挥。
浪潮AS8000-M2 管好野蛮生长的气象数据
在对西安市气象局的应用需求进行分析之后,浪潮决定采用AS8000-M2虚拟化存储系统构建本次高性能存储系统平台。浪潮AS8000-M2传承了浪潮活性存储的产品设计理念,增加了云存储的技术内容,可以在统一的管理系统中为客户提供存储虚拟化、业务连续保护、自动精简配置、备份归档、远程容灾等数据保护功能。

对于西安市气象局存储项目升级来说,高速读写与高容量存储当然是必不可少的,而浪潮AS8000-M2则应对的毫无压力。其采用了多控制器体系架构,各控制器间可实现负载均衡,避免单控制器故障带来的风险和性能的瓶颈,而且其还可以灵活扩展、平滑升级容量,即使是以后西安市气象局有更高的存储需求,也能够实现快速的拓展。
同时,浪潮AS8000-M2可以说是将数据真正的放进了"保险箱",其支持Active-Active、Active-Standby等控制器工作模式,保障整体系统的高可用。而且,浪潮AS8000-M2采用了冗余架构、全模块化设计,无单点故障,保障系统架构中任何一台设备出现意外故障,都不会影响数据服务的正常运行。系统还支持容灾功能,为用户提供高级别的数据保护及容灾服务,满足了存储系统的安全性与高可用性要求。
值得一提的是,在复杂的IT系统中,运维人员工作往往非常繁重,甚至于分身乏术。而浪潮AS8000-M2则让运维人员的负担真正的降了下来。其主要部件均采用模块设计,西安市气象局可以按照需求选择,维护、升级、管理简单方便。而且,浪潮AS8000-M2还完备监控管理方式,当系统出现异常时,除了通过机器指示灯报警外,可通过邮件方式将异常状况及时通知管理员,让降低运维压力不再成为一句空话。
好文章,需要你的鼓励
B&H近期对多款M5 Pro MacBook Pro机型推出300美元优惠。14英寸M5 Pro版本(48GB内存+1TB固态硬盘)现售价2299美元,较原价2599美元节省300美元,且该配置在亚马逊无法购买,折扣机会更为难得。此外,16英寸M5 Pro版本(64GB内存+1TB固态硬盘)同样享有300美元折扣。B&H在多款高配MacBook机型上的定价已低于亚马逊,是近期可找到的最优价格。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
Insta360推出GO 3S复古套装,将现代4K运动相机与胶片时代美学结合。套装核心仍是仅重39克的GO 3S,新增复古取景器、胶片风格滤镜、NFC定制外壳及可延长录制时长至76分钟的电池组。复古取景器模仿老式腰平相机设计,鼓励用户放慢节奏、专注构图。相机内置11种色彩预设及负片、正片等滤镜,同时保留FlowState防抖、4K拍摄及10米防水能力,面向热衷复古影像风格的年轻创作者。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。