为了让业界更加了解开源存储的优势,推动开源存储解决方案在企业级数据中心的落地,世界领先的开源解决方案供应商红帽公司(纽交所代码:RHT)8月5日携手Intel、云达科技(QCT)和ZD至顶网共同举办"2016中国开源企业存储峰会",与500多位与会者分享了企业存储发展趋势、红帽开源存储战略、Gluster/Ceph对企业用户的价值及红帽在开源领域的创新之举。来自开源存储领域的存储专家、合作伙伴、最终用户分享了他们对开源存储的洞察与见解,并展示了他们在红帽开源存储支持下,获得的领先技术成果与成功应用案例。
今天,企业面临着数字化转型与云计算应用的挑战。企业数据中心中传统的存储架构正在发生变化,从封闭、纵向的架构转向开放、横向、软件定义的架构。一方面,随着以OpenStack为代表的开放框架的兴起,软件定义存储(SDS)系统逐渐成为市场主流,性能优秀、可靠性高、可扩展性强的开源软件Ceph脱颖而出;另一方面,容器技术迅速崛起,带动了市场对能够简化物理、虚拟和云环境中文件与对象访问的数据管理平台Gluster的需求。
作为开源领域的领导者,红帽公司一直致力于推动开源在企业数据中心的发展。红帽资深副总裁、亚太区总经理Dirk-Peter Van Leeuwen在本次峰会上介绍了"IT发展趋势与红帽价值"。他表示,企业的数字化转型已是大势所趋,颠覆成为当今社会发展的新常态。"颠覆的云计算需要开源的力量,开源让用户不再被锁定,实现快速创新,红帽文化能让企业用户更加放心。正如Linux作为21世纪初的颠覆性技术一样,开源将持续改变世界。"
在存储领域,红帽持续为业界与相关用户提供创新产品与技术,并与合作伙伴携手,打造开放、安全与高效的解决方案。红帽Ceph Storage 2是自红帽在2014年收购Inktank以来对红帽Ceph Storage的最重要更新,增强对于对象存储工作负载的支持,为企业用户提供功能全面、技术先进且易于使用的存储平台。
"红帽提供分布式的企业存储,已经在生产环境经过大规模的验证。用户可以按照自己的需求进行对象存储和文件存储等扩展服务。"红帽亚太区云存储与大数据业务总监Andrew Hatfield在其主题演讲中表示,"Ceph技术架构正在崛起,通过可视化的方式实现对企业数据中心的管理与监控。"例如,澳大利亚莫纳什大学通过使用Ceph技术,实现了75%的成本节省。
目前,在各行各业的应用中,大部分仍然采用传统存储,在扩展性、容量等方面面临挑战。"Gluster是红帽重要的存储解决方案,它改变了原有的存储方式,灵活性极高,扩展性极强。"红帽亚太区存储业务总监Chris Mawer在题为"Gluster存储:战略方向、路线图与集成"的主题演讲中说,"既能满足企业用户对容器技术的需求,还能提供容器原生存储机制,帮助企业级用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。"
此外,Intel亚太研发有限公司云与大数据科技中心、资深工程经理段建钢作了"存储革命"的演讲;云达科技技术处协理李家瑞介绍了"Ceph参考技术架构与QCT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分享了"Ceph在中国移动的应用与思考";红帽资深架构师张家驹进一步介绍了"容器原生存储"的创新之处;Intel亚太研发有限公司云存储技术组高级软件工程师张建,分享了"优化Ceph效能的最佳实务与技巧"。
同时,峰会上还进行了两场圆桌对话,分别就"当存储遇到开源"以及"云时代的存储"等热点话题进行了思想碰撞,分享了开源存储以及未来存储发展趋势的精彩观点。
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。