上篇文章我们谈到在"双模式IT"下,传统存储系统发生着巨变。代表开源存储系统的统一分布式文件系统Ceph,以及简化物理、虚拟和云环境中文件与对象访问的数据管理平台Gluster脱颖而出。(文章:开源存储峰会即将召开,开源能否引领未来存储?)而即将在8月5日召开的中国开源企业存储峰会上,我们邀请了Ceph和Gluster领域的存储专家来为大家现场解读存储新势力——开源存储。
那么此次峰会的开源专家带给哪些惊喜呢?这里可以给大家剧透一下。
首先是专家云集,红帽资深副总裁、亚太区总经理Dirk-Peter Van Leeuwen,拥有20余年的IT从业经验。他认为移动互联网、IoT(物联网)的崭新时代正在来临,每一个企业的决策者都在思考如何实现自身企业的数字化转型。其中开放/开源技术已日益成为一种核心驱动力及显而易见的选择。
作为开源界的领袖,红帽具有独特的能力帮助客户实现这种转型并蓬勃发展。在刚刚过去的2016财年,红帽全球营收突破20亿美金,这对于开源市场具有里程碑式的意义。这既证明了开源是可靠的提供IT基础架构的一种方式;也验证了开源技术已成为IT 发展的主流技术。在中国,许多知名企业已经在利用企业开源技术实现创新发展。
红帽亚太区存储业务总监Chris Mawer,为红帽软件定义存储(Ceph、Gluster与OpenStack)平台提供传统、云、容器和超融合工作负载支持。他将根据自己在存储领域的经验和对客户的深入了解来谈今天存储市场的颠覆力量,以及下一代分布式文件系统Ceph技术架构为何能崛起。
来自Intel亚太研发有限公司云与大数据科技中心的段建刚是一位资深工程经理,在企业解决方案调整和优化领域有超过十五年的经验。目前管理云和大数据工程实验室。他的技术兴趣目前主要聚焦在云计算和大数据领域,使用开源软件(如openstack/Ceph/nosql、Apache Hadoop和Spark)开发、部署和优化高效的云与大数据解决方案。
张建是Intel亚太研发有限公司云存储技术组高级软件工程师。云存储技术组致力于基于Intel平台开发和优化开源云存储系统架构及解决方案。 目前他们在Ceph社区的代码贡献量排在第二位,在很多管家的功能和组件如Cache Tiering、Erasure Coding、Rados I/O hin、Bluestore上有很大贡献。 同时,他们还与Red Hat 一起组织了北京和上海Ceph Day, 并同许多中国的客户一起构建基于Ceph的SBS POC解决方案。 张建有9年的开源软件开发、性能分析优化与调优经验,例如Xen、KVM、Openstack、Ceph、Swift等等。
云达科技的技术专家李家瑞,有超过20年以上的IT 产业经验及5年以上商业顾问的经验。目前在云达科技中领导团队开发SDDC,开源云端及软件定义网络等相关的解决方案以满足服务提供商及企业客户的需求。他将深入探讨Ceph技术架构结合云达科技给用户提供的解决方案。
中国移动苏州研发中心云计算产品部研发经理郭占东,自2015年下半年起带领团队对Ceph进行深入的调研及测试,完成转型工作,目前在建设国内规模最大的Ceph对象存储系统。他将分享《Ceph在中国移动的应用与思考》。
还有在Linux服务器端软件、分布式存储、高可用性、虚拟化有超过10年产品研发、架构设计及团队管理经验的红帽软件资深架构师张家驹。他热衷于开源软件及开源社区,并曾带领OpenStack技术开发团队从事社区贡献工作。
此外,当天还有两场圆桌对话,分别就“当存储遇到开源”以及“云时代的存储”等热点话题进行思想碰撞,相信此次峰会能够对未来存储的发展带来精彩的一笔!
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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。