NetApp公司宣布将在ONTAP v9.0当中提供额外的数据体积削减机制,它的真面目究竟如何?

三名宇航员挤在Soyuz胶囊中从环地轨道重返地球--这种思路与NetApp的IO处理机制颇有异曲同工之妙。
这一压缩处理方案适用于NetApp公司旗下的各全闪存FAS阵列。根据Presidio公司数据中心实践负责人Adam Bergh发布的博文所言,这套方案将多条IO进行同时写入以提高操作效率。从WAFL空间的角度看,以4KB数据块方式进行IO整理确实能够更有效地利用资源。
这一数据块大小被定名为WAFL(即ONTAP的'随处写入文件布局'),专门用于磁盘写入操作。该机制利用4KB数据块避免了存储空间浪费难题。
具体来讲,这套方案将多条IO整合为一个4KB数据块,并利用此逻辑块向磁盘中进行实际写入。每条IO都会被纳入一个4 KB逻辑块,即使其实际大小不足4 KB。通过这种压缩处理,4KB逻辑块会持续容纳更多IO直到满载,而后再建立新的逻辑块以承载下一条IO。这种压缩机制能够独立于重复数据删除与压缩技术之外起效,因此效果可以再次叠加。

NetApp ONTAP v9.0压缩原理示意图
Bergh还谈到了ONTAP 9中的其它几项功能。其一为增强分析,其将配合即将推出的OnCommand Performance Manager 3.0,并将引入一项顶部空间指标。存储管理员能够了解ONTAP集群模型的使用情况,并以此为基础掌握该节点所能承载的额外工作负载量。
根据我们的理解,其将监控IO延迟(单位为毫秒每IO)并提供利用率百分比。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。