
HDS公司为其大型VSP G系列阵列设备添加本地NAS、VVOL、分析以及云分层四项新机制。
HDS方面还拥有VSP家族的F系列版本,外加一款新的全闪存HFA A系列产品。还曾推出过一款单独的BlueArc NAS产品,其HNAS 4000系列则提供双节点与八节点配置,最大可用存储容量在4 PB到16 PB区间。
现在VSP G400、600与800各添加了两个本地文件存储模块,但入门级G200与高端G1000却不在升级之列。这意味着三款中端G产品将能够提供本地文件与块访问服务。
G系列还搭载Data Migrator to the Cloud(简称DM2C)软件以实现针对数据的内容识别管理策略,从而确保数据能够自动被分层至VSP之外的其它系统当中;HDS表示其它目标系统可为私有、公有或者混合云平台。HDS公司同时指出,此举能够使得日立加速闪存用于存储更为重要的数据,而较为陈旧的低访问率数据则将被迁移至其它位置。
HDS公司已经正式进军阵列分析市场,凭借的正是其日立基础设施分析顾问(简称HIAA)方案。这款软件能够改进VSP阵列产品的"性能,同时通过智能分析降低出现资源挤占警报的风险。"HDS方面指出,其能够"主动识别、诊断并帮助解决整个日立VSP家族乃至其它第三方存储方案中的性能与容量问题。"
另外,G系列还全面支持VVOL并简化了vSphere环境下的虚拟机备份、恢复与克隆服务流程。
目前还不清楚VSP嵌入式NAS技术的存储容量、性能、价格或上市时间等细节信息,当然HDS方面的公布内容一直比较模糊。另外,DM2C分析软件的价格与上市日期同样尚未发布。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。