Pure Storage公司在本月初于旧金山召开的Accelerate大会上展出了一款即将推出的高端FlashArray//m系统,其可用存储容量超过现有顶级m70机型的三倍。将于今年晚些时候正式推出。
通过演示文稿可以看到,这款新系统拥有:
• 1.5 PB可用存储容量
• 4 TB与8 TB 3D NAND模块(SSD)
• 可支持数千套虚拟机系统
• 始终在线服务质量承诺
• 每GB可用存储容量成本低于1美元
通过本届Accelerate大会发布的以下内容,可以看到控制器机柜之下只提供两套扩展架。每套扩展架似乎可容纳24个闪存模块。通过简单计算,我们发现48 x 8 TB=384 TB原始容量,其经过数据削减换算恰好可实现1.5 PB实际可用容量。
Pure Accelerate大会上公布的演示文稿
目前的m70配备512 GB、1 TB或者2 TB闪存模块,因此新设备--采用4 TB或者8TB SSD且拥有48插槽--将在原始与实际可用容量方面提升近四倍。Pure公司m70的容量水平需要由3U控制器设备与四套2U扩展架实现,每扩展架拥有24个插槽。而新系统则应该能够降低机架空间占用量。如果上图所示为全配置方案的话。
根据说明,新的FlashArray可能由现有FlashArray//m架构配合高端控制器共同构成,其中每控制器配备1 TB或者更高内存,旨在实现全局重复数据删除并管理如此可观的存储容量。
我们根据目前掌握的情况汇总出以下规格表,其中新设备并暂时定名为m90--当然,这只是我们的猜测。
绿色一列为经过强化的FlashArray//m家族新成员。
William Blair公司分析师Jason Ader整理出了当前各存储供应商旗下全闪存阵列产品及其原始存储容量:
Jason Ader整理的全闪存阵列原始存储容量表
如果我们将其转化为柱状图,并加入Pure即将发布的这款新阵列,那么结果将如下所示:
可以看到,384 TB原始存储容量仍然非常可怜--这款全新FlashArray勉强超过了现有XtremIO、NetApp的EF系列以及SolidFire产品线。当然,Pure公司的//m70则处于垫底位置。
IBM的FlashSystem与EMC的VNXe3200在原始容量方面皆高于即将推出的FlashArray,而Kaminario的K2与Violin的7700亦保持领先。虽然Pure打造的FlashBlade同样不可能在未来一年当中超越1.6 PB容量水平,但由于其面向非结构化数据,因此未被直接纳入本轮对比。
惠普企业业务公司的StoreServ 20850则在原始容量方面占据绝对优势。
全闪存阵列产品的原始存储容量拥有很强的规律性,其直接反映着所使用的不同SSD、闪存芯片供应商、平面与3D NAND乃至MLC或者TLC芯片。不同的数据体积削减技术也在其中起到一定作用,事实上目前市场最为关注的正是存储产品的实际可用容量。
可以肯定的是,存储技术的发展演变仍将继续,未来六到十二个月内这份图表的内容将经历一番剧变。
再提一句:Pure公司采用的是三星公司的3D V-NAND闪存芯片SSD,目前的相关PM863/PM1633产品最高容量为3.84 TB,采用30纳米32层128 Gbit TLC芯片。
其中PM1633a则采用次30纳米48层256 Gbit TLC V-NAND芯片,存储容量为7.68 TB与15.36 TB。这款产品即将于本月发售。而东芝/SanDisk以及美光也将陆续推出自己的v3D NAND芯片,相信这将在全闪存阵列产品线中掀起新一轮升级浪潮。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。