HPE正在增强3PAR全闪存能力,支持高容量SSD,增加用于容器的永久性存储,改进快照和文件管理服务。
在拉斯维加斯举行的HPE Discover上,HPE宣布StoreServ将获得:
• 支持大容量SSD:据我们了解,支持来自三星的7.68TB和15.36TB 3D SSD,采用48层技术
• Volume Plugin与Docker Engine集成,实现针对容器的永久性存储,使其可以访问3PAR的数据服务,例如加密、服务质量、快照、复制和重复数据删除
• Recovery Manager Central (RMC),将应用快照直接从闪存迁移到磁盘存储,速度是传统存储备份的23倍之多
• File Lock for 3PAR File Persona让文件一成不变,支持基于策略的保留
• NTFS安全模式和针对3PAR File Persona的跨协议锁定,"可实现针对Windows环境的安全性,提供协议之间--包括SMB和NFS之间--更无缝的群组文件共享"
• StoreEver Archive Manager软件将3PAR文件数据迁移到磁带以进行归档,同时可以透明地访问这些数据,好像这些数据仍然在线一样。
支持7.68TB和15.36TB SSD让SolidFire的1.92TB SSD支持变得相形见绌,那么低容量的SolidFire呢?
HPE表示,StoreServ最多支持24PB可用闪存容量(4:1的压缩率意味着6PB原始容量),现在是业界最高密度和可扩展的全闪存阵列,密度要比EMC全闪存系统高12x。另外,StoreServ支持大容量SSD是通过Adaptive Sparing和Express Layout机制实现的。更准确地说,这些并不妨碍支持大容量驱动器。
通过自适应备用,而不是让备用的物理SSD组在发生生产用SSD出故障的时候待命,这个同等的备用驱动器容量是分配到现有多个SSD上作为未使用的"容量块"。如果一个SSD发生故障,那么启动多对多重建流程对数据进行重组。而且,SSD上的备用空间是与SSD本身有关的,用于过量配置的容量,这会增加它的寿命。
Express Layout提供了从存储控制器到SSD的并发访问以实现更高的吞吐量,本质上并没有说使不使用大容量SSD的机制。
除了现有对VMware、微软SQL、任何作为虚拟机运行和支持微软VSS的应用之外,RMC应用还增加了对Oracle数据库、SAP HANA以及3PAR File Persona的支持。
现有的主流厂商,Dell-EMC、HDS、HPE、IBM和NetApp现在都争相把全磁盘和混合主存储阵列转换为全闪存阵列,以防止竞争对手争抢自己的客户群。HPE采用单一技术--StoreServ AFA来做到这一点,而其他则采用了多产品家族的策略。
HPE和其他厂商还面对着来自Pure Storage在全闪存阵列方面的竞争。厂商之间的竞争包括提供更好的数据服务,具有不错的TB/U率和可扩展性的阵列。HPE的StoreServ目前在这些方面表现都不错。
在今年1月的IDC AFA Marketscape报告中,HPE名列前茅,并且在Gartner和IDC的AFA提供商排名中也有不错的进步。惠特曼带领下的HPE希望能够在此基础上取得更多的进展。
定价和供货
HPE目前已经在全球范围内提供对7.6TB SSD的支持,在美国的起价为20748美元。目前15.36TB SSD也已经可以订购,并将在下半年开始出货,起价为40000美元。
Docker-Integrated Native Docker Volume Plugin将从本月开始供货,从HPE Storage GitHub这里可以获得。
目前HPE已经开始提供支持SAP HANA和3PAR File Persona的HPE Recovery Manager Central (RMC),持有RMC许可和有效支持合同的客户无需支付额外费用。针对新客户的许可起价为1000美元。
RMC for Oracle (RMC-O)将从7月开始供货,起价为2500美元。目前持有Recovery Manager for Oracle许可及有效支持合同的客户可以免费升级。
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。