SF1920细节图。
NetApp公司旗下的SolidFire事业部已经公布了一款新型设备、一项操作系统更新外加软件许可变更(将软件许可与特定硬件产品拆分开来)。
NetApp与思科FlexPod将立足于现有系统提供SolidFire阵列选项,且未来几个月中还将有一套基于SolidFire的FlexPod配置方案推出。
Element OS版本9被称为Fluorine,即元素周期表上的第九种元素,其中添加了与SolidFire服务质量相结合的VVOL支持机制,意味着VVOL层级(即每虚拟机)间的租户影响将受到控制,可通过设置指定最小、最大与突发IOPS水平。
另外,这套系统还提供新的GUI,能够将存储系统数据合并至单一仪表板当中。
SolidFire方面表示,版本9将集群内FC节点数量提升至4倍,允许用户向外扩展至40个存储节点。Fluorine还提升了每FC节点的IOPS水平,从原本的30万提升至50万IOPS,意味着一套四FC节点集群可实现高达200万IOPS。
多租户机制也得到改善,客户能够通过独立路由表在VLAN上使用叠加IP地址并保留IP地址资源。
FlashForward许可机制
SolidFire方面还将软件许可从特定硬件产品中抽离出来,并将其作为SolidFire存储阵列企业资源池内的一部分加以应用。这套机制被称为FlashForward Capacity Licensing,主要面向那些倾向于使用纯软件许可的客户。
CEO Dave Wright指出,纯软件许可机制的市场反响相当不错,而客户仍然可以在硬件选择外加存储机架及附加卡的量化工作方面自行决断。
Element OS许可为永久性且基于最大配置容量,例如可在任意企业位置采用100 TB池化原始存储容量。另外,其提供批量采购优惠政策。软件与硬件可共同或分别订购。客户在购买新硬件时无需额外添置新的许可,除非其资源容量已经超出许可范围。
尽管SolidFire公司并不提供云系统,但Element OS能够运行在基于公有云的硬件之上,这也是为了配合SolidFire所采取的云硬件发展策略。举例来说,大家可以获取100 TB Element OS容量许可并立足于AWS加以运行。
NetApp公司也有可能会在ONTAP与SANtricity上的E系列OS中采用同样的方案。根据我们的猜测,SolidFire的FlashForward机制只是NetApp将其全面推向各产品线的测试或者试用版本。如果其获得成功,那么接下来NetApp将进行大规模采用。
四节点SolidFire SF19210
SF19210
作为此次公布的新设备,全闪存SF19210集群节点拥有十块1.92 TB SSD,意味着原始存储容量为19.2 TB,数据压缩后的实际可用容量则高达80 TB。这一水平高于现有高端SF9010的960 GB SSD与9.6 TB原始容量参数组合。顺带一提,SolidFire公司已经开始在部分产品中尝试使用3D NAND(三星)SSD。
系统内存则由SF9010的256 GB提升至384 GB。SF9010的IOPS为7万5千,而SF19210则为10万。后者的容量与性能分别相当于前者的两倍与三倍。
这台新设备可被直接接入现有SolidFire集群,而且SolidFire方面表示其每GB使用成本较现有设备低30%。
SolidFire的产品定位根据时间/容量可汇总为以下图表:
SolidFire设备定位图,截至2016年6月
而即将推出的SF19210则标志着SF9010即将走向生命周期的终点。
SF19210目前已经开放订购,起步价格为84588.82美元,企业客户可通过SolidFire及其全球渠道合作伙伴网络进行购买。
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。