你知道目前企业采用的存储系统是上世纪七八十年代的产物吗?所以当时设计的存储系统再先进,也远远不能适应今天互联网时代的企业应用。今天需要什么样的存储系统?
如今,通过数字化转型与利用云计算技术,各行各业中企业的竞争方式发生了根本改变,它们促使企业开拓创新,强调对市场的应变能力。
业界权威分析机构Gartner在2014年提出了"双模式IT"的组织模型。模态1(model 1)叫做可靠(Reliable)IT或传统IT,强调扩展性、效率、安全和精确度;模态2(model 2)叫做敏捷(Agile)IT或新型IT,强调的是速度和灵活性,例如给予Web-Scale、PaaS/Hadoop的应用。
Gartner同时预测,5-10年内传统IT模式与互联网等新兴IT模式都无法完全替代对方,到2017年75%企业和机构的IT将以双模方式运作。
双模IT对企业信息技术创新能力提出了严峻挑战,需要以前瞻性的视角和技术推动和引领创新,同时兼顾新技术、新架构、新模式,与既有的传统信息技术体系结合,寻求两种模式的平衡发展。
在"双模式IT"下,传统存储系统发生着巨变。传统的存储系统面临着从封闭的、纵向的架构向开放的、横向的软件定义的存储系统转变。在这种变革下,基于开源的存储系统和容器技术成为市场选择之一。
众所周知,传统存储系统昂贵的购置成本、不菲的维护费用以及可扩展性上面临的瓶颈都给用户带来很大的压力,在这种背景之下,以架构灵活和高可扩展性为主要特征、基于开放架构的存储系统让这些用户看到希望。
实际上,越来越多的企业从传统大型机、小型机迁移到更开放更灵活的x86架构,从Unix转向Linux。存储领域也在相应地进行改变,开源成为存储系统选择之一。在开源软件爆发的今天,开源软件变得如此普遍和受欢迎,人们越来越意识到开源的优势。
这也让性能优秀、可靠性高、可扩展性强的统一分布式文件系统Ceph脱颖而出。随着以OpenStack为代表的云计算框架的兴起,作为其首选的软件定义存储系统,Ceph在企业级存储领域更加炙手可热。Ceph已经广泛被公有云和私有云供应商所采用。Ceph提供的存储方案,能够打造针对混合云的软件定义存储解决方案,帮助客户加速从传统的昂贵的孤立的外部存储系统转移到开放源代码平台。
另一方面,基于开源存储平台,引发了在云中部署应用和服务的新技术比如微服务架构、轻量级虚拟化的容器技术的创新。而能够简化物理、虚拟和云环境中文件与对象访问的数据管理平台Gluster,满足了容器技术的需求。例如,红帽完整的Linux容器解决方案中,通过Gluster提供容器原生存储机制,帮助企业级客户实现存储即服务的目标,轻松迁移到开放式的混合云环境。
Ceph与Gluster的齐头并进也代表着存储领域的新趋势。说到这里您是否想更多地了解开源技术给存储行业带来哪些新机遇?是否想了解分布式文件系统Ceph如何实现软件定义存储?是否想知道Gluster数据平台如何实现容器技术的更好落地?是否想知道企业级开源存储技术的那些成功案例,以及是否想了解先进企业如何打造最适合自己的分布式存储系统?
为了让业界更加了解开源存储的优势,推动开源存储在数据中心的落地,全球开源领导厂商红帽携手ZD至顶网、Intel、云达科技共同举办"2016年中国开源企业存储峰会"。届时,来自全球开源软件专家、学者、IT企业高管、开源社区技术骨干、开源倡导者以及业界主流媒体将汇集一堂,共商开源产业发展。希望与广大CIO和IT决策者共同探讨在企业环境中如何运用开源技术,提升和优化存储系统。
同时峰会将邀请国内外开源存储领域的一线专家分享Ceph/Gluster最新技术发展以及在各行业部署实施等方面的最佳实践。 前沿信息,鲜活案例,不容错过!
想了解更多大会咨询请点击:中国开源企业存储峰会
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。