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
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
本文介绍了中国科学院自动化所的研究,揭示了大型语言模型在多轮工具调用强化学习中崩溃的根本原因,并系统评估了五种监督信号对训练稳定性和泛化能力的影响。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津、MIT等机构联合发布GauntletBench,测试显示最强AI智能体完成率仅19%,而普通人类完成率超80%,揭示AI在时间感知、图形理解和三维推理上的真实短板。