随着互联网的快速发展,大数据分析已经成为当下热词。银行每天产生各种扫描件、声音、图像;互联网和多媒体企业产生音频视频HTML文档;医院在信息化改革后,也需要取读大量电子病例、档案等非结构化数据。EB级的海量数据对于企业来讲既是业务拓展与增长的金矿,却又给IT部门带来巨大压力,传统存储系统已然无法满足企业对非结构化数据爆炸式增长的存储需求,企业IT架构变革迫在眉睫。
对于管理海量非结构化数据,企业需要有真正的扩展能力,高可用性和易于管理的存储系统。对象存储应运而生。
今天各种创新技术的发展,推动了软件定义存储逐步成为市场主流,软件定义大规模混合云部署相结合,就催生了全新的对象存储软件系统,就是我们接下来要谈的Cleversafe对象存储。
Cleversafe是用于 Web 规模存储的领先软件平台,拥有久经验证的企业存储解决方案,可实现在 PB 级及以上级别的高效、安全存储。
“当竞争对手还无法真正处理PB级数据的时候,我们已经跨越了EB开始在研究ZB级存储了。”IBM云对象存储总经理John Morris介绍说。
那么到底Cleversafe能给企业的存储系统带来哪些优势呢?这里我们以一个真实的案例来看看Cleversafe给企业带来的变化。
Shutterfly 是全球领先的基于互联网的社交发表和个人发布平台,市值达 20 亿美元。拥有50PB 图像和 150PB 以上的非结构化内容,包括图像、视频和项目等,而且这些数据是呈现无限扩展的趋势。这对于存储系统提出的要求就是具有极高的可扩展性。在客户服务方面,要求所有客户从内容到业务必须永无风险。这就需要存储系统满足高容错,无单点故障的安全性功能。而且为了不影响不影响内容对于用户群的可用性。要实现可跨越州界线移动数据中心模式。
对于像Shutterfly这样数据驱动型企业而言,非结构化数据的增长步伐已然超出了企业资源及预算的增长速度。显而易见,传统存储的经济效益已荡然无存。
传统存储是否能够为客户提供存储即服务的模式呢? 海量数据的归档怎么解决呢?备份这么多数据能做到吗?在海量数据面前,这些都成为传统存储的弱点。
针对Shutterfly面临的存储困境,Cleversafe通过对宝贵内容的安全分布式访问,提高全球范围内各个工作场所的生产效率来实现其对于数据安全的需求。不仅满足了其对于可扩展、安全性、高可用的需求,而且在管理方面仅仅需要3 名兼职管理员,即可实现对整个存储环境的监管。同时可减少电力、制冷和占地成本,减小能耗,从而将 TCO 降至最低,实现电力节支 60%;Cleversafe提供可扩展的备份和随时的数据可用性,确保可靠的恢复,并降低基础架构部署成本 ;软件定义实现最大的灵活性,与之前不可靠的可盈利业务模型而言,可实现 60% 以上的节支。
Cleversafe如何工作?
Cleversafe 的存储系统基于简单的对象存储方法,将数以亿计的数据对象高效存储于单一平面名称空间内,并使用基于 http 的协议,通过 REST 界面显示数据。Cleversafe的系统采用一种先进的运算法,称作纠删码。Cleversafe的系统不做复制拷贝,而是把原始对象切分成许多片段。而传统的存储方式需要很多拷贝,这些拷贝需要放在多个地点里以便应对万一出现数据中心宕掉,而Cleversafe是把他切成很多切片,每个切片都被写入至单独的存储节点,以实现保护性。

Cleversafe,无需构建多个数据拷贝,也无需将数据存储在多个系统,在整个私有存储云中,只需分散、存储并检索单个实例即可。Cleversafe已为全球多个顶级大型数据库所采用,能够以非常低廉的成本(最高可将 TCO 降低 80%)实现大规模存储,相比传统服务,功能也更为简便,同时还可提供企业级安全性和 15 个 9 的可靠性。
Cleversafe牛在哪里?

Cleversafe即包含了软件定义能够降低成本,又专为规模化设计,为EB级以上规模存储提供企业级功能和安全的全新解决方案。除了管理数据量方面的优势以外,CleverSafe还在管理性,可用性和经济效率的优势,尤其在经济性方面具有优势,它比AWS的S3更具性能优势。相信基于市场对对象存储的需求趋势,Cleversafe将被越来越多的企业所采用。
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。