IBM本周三对全闪存阵列家族进行了扩充,增加两款新的高性能型号,专门用于将客户的IT环境与云连接起来。另外,还推出了一款针对高性能服务器和大型机服务器的新全闪存阵列,并表示今年年底预计会推出一个专门针对大数据环境的型号。
IBM市场副总裁Eric Herzog表示,这次推出的新产品是IBM扩展在全闪存存储市场覆盖面的举措之一。我们看到全闪存阵列对于全方位的用户平台是很重要的,所以我们正在将这项技术扩大的大型机和云。因为IBM身处于一个竞争非常激烈的环境中,在全闪存存储阵列市场占有份额排名第二,仅次于EMC。并且在软件定义存储业务方面处于领跑位置,"
在周三的消息公布之前,IBM已经有两项采用IBM FlashCore技术的新型号。与大多数全闪存阵列中采用SSD不同的是,IBM FlashCore是客户定制化的,IBM与美光公司合作,专门针对在高性能闪存阵列中的使用进行了设计,Herzog表示。
IBM新推出的FlashSystem A9000,在8U机箱内通过采用压缩和重复数据删除技术可实现最高300TB的FlashCore容量。性能最高可达到500000 IOPS。
IBM还推出了FlashSystem A9000R,可扩展到全机架的全闪存阵列,最高可达到900TB的原始容量或者1.8PB的有效容量,性能最高可达到200万IOPS。
Herzog表示,这两个型号的延迟最低可达到250微秒。延迟数据可能要比初看更好一些。很多全闪存阵列的延迟大约是100微秒。但是这是在没有运行数据服务的情况下。A9000和A9000R 250微秒的延迟是在运行了复制和数据安全等数据服务的情况下测量出来的。"
这两个型号都针对云环境进行了优化,包括增加了多租户运行、内嵌的服务质量、连接到IBM SoftLayer和OpenStack云。
Lumenate是一家总部在达拉斯的解决方案提供商、IBM渠道合作伙伴,该公司医疗保健和战略高级副总裁Jamie Shepard认为,这些云优化的能力和原始性能同样重要。
除了IBM SoftLayer和OpenStack之外,新推出的阵列还有针对Amazon Web Services和微软Azure的原生API支持,Shepard表示。"新的全闪存存储可以连接到云, IBM的闪存开发人员正在与IBM的云开发团队紧密合作中。"
混合工作负载的服务质量,以及提供多租户的能力,这对于新的IBM解决方案来说一个重要的优势,Shepard表示。"看看金融机构,他们可能想把所有工作负载都放在闪存上。但是对于需要在年底运行的工作负载来说,他们并不想增加更多容量。所以他们可以在这个时候连接到云中。IBM正在将云效率带入数据中心。"
"IBM全闪存阵列产品线的另一个新成员是DS8888,该阵列采用IBM基于Power8的控制器,以及IBM大型机和Power8服务器家族所采用的光纤通道和FICON连接性。DS8888在40U控制器内最多可达到192TB容量,提供低于1毫秒的延迟和最高250万的IOPS性能。"
Herzog表示,今年第三季度IBM还计划推出一款专门针对大数据的全闪存阵列。这款与SanDisk合作设计的新阵列,又称为"Big Data Flash",将瞄准像集群横向扩展NAS、大数据就地分析、针对文件的OpenStack等使用实例,他说。
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。