2016年8月5日,全球开源领导厂商红帽携手ZD至顶网、Intel、云达科技共同举办的主题为“开放 融合 开源开启存储新世界”的2016年中国开源企业存储峰会在北京富力万丽酒店隆重召开。在下午峰会上,Intel亚太研发有限公司云存储技术组高级软件工程师张建先生带来题为“优化Ceph效能的最佳实务与技巧”的主题演讲。会后坐客ZD专访间接受记者专访。介绍了Ceph进行优化效能及大家较为关注的3D Xpoint内存技术。以下为独家视频。
主持人:张建先生在此次大会上做了精彩的演讲,请您先帮我们概括一下本次演讲的内容?
张建:这一次演讲主题是优化Ceph的一些最佳实践和技巧。我主要介绍了英特尔在Ceph的关注点,以及由我们与合作伙伴RedHat,还有云达科技所做的一些参考架构。另外还讲了一些基于块存储、对象存储、全闪存阵列相关的内容,以及对现在Ceph比较热门的主题做了一些具体的案例分享。包括英特尔在这上面所做的性能调优,以及基于特定的硬件系统,能够得到怎样的性能等等。最后一部分,我介绍了一下英特尔开源工具。
主持人:您怎么看待开源存储系统的发展和其独特优势呢?
张建:如果从Ceph来看整个开源系统的发展,我觉得Ceph之所以发展的这么成功,就是因为Ceph在openstack里面排在第一位的块存储。另外一个独特优势是它可以在一个系统里提供三个不同的服务,可以同时提供块、对象和文件系统。这样的话基本上我觉得所有的开源存储系统的几大优点就都体现出来了,第一是大规模的分布式系统,可以横向的扩展。第二可以提高非常高的稳定性,因为我可以通过多备份等技术来确保我们数据的稳定性。然后还有一点是说,我有很优良的TCO,就是因为我可以基于X86的系统,所以我的成本很低。第四点,因为我是一个软件定义存储,所以我有任何的调整的时候,不需要很多人为介入,这样的话人力成本也比较低。所以这些都应该是开源存储的一些优点。
主持人:所以您提到开源存储的的优点,也说到Ceph跟我们相辅相成。英特尔接下来在开源领域有什么样的拓展和思路,或者您怎么看分布式存储未来的方向?
张建:作为英特尔来说,我们把分布式存储作为软件定义存储里面一个重要的组成部分,这也是我们目前正在做的事情,并且是将来的一个重要方向。因为今天来看,SDN的性价比在不断提高,我们坚信在未来的某一天会取代今天的Hadoop,所以我们今天在做的大量工作都是在围绕着是如何加快固态硬盘的普及这方面来做的。
主持人:您刚才在谈价格的时候说到过X86,X86架构现在已经基本成为业界的主流了,那您是如何看待英特尔软硬件两方面对云生态的影响?因为我们一直认为英特尔一直是一个在硬件方面是非常牛的一家厂商,所以现在在软件、解决方案方面,英特尔对云生态有哪些影响,或者是提供了哪些价值?
张建:就像我今天讲的这个话题一样,我通常跟别人介绍的时候,都是先介绍一下我是来自英特尔软件事业服务部,那其实除了我们英特尔的网卡、SDD、CPU之外,我们还有很大的软件团队来做营业部的事情。其实推广开源的问题其实就是很多客户他们并不清楚,开源能够给他们带来什么,他们怎么来上开源,以及他们遇到问题以后怎么来解决。
所以英特尔在这里面扮演了一个角色是什么呢,我们通常称是一个可信任的顾问。所以我们会给客户提供不同的解决方案,包括我们的一些参考架构,和参考架构上面的一些工具性能的结果,我们甚至会和合作伙伴,比如红帽一起去发掘潜在的客户,这些客户就可以通过EDM很快的去建立一模一样的系统,然后得到相同的普及,所以这就是英特尔能够给予云存储,或者云生态带来的一些价值。
主持人:谈到开源技术,Openstack是一个非常火的话题,您怎么看Openstack在云生态当中的作用?
张建:Openstack作为一个开源的平台,现在来看在国内应该是最火的,国内大量的公司全部都是在Openstack的基础上在做这些项目。英特尔在Openstack方面的投入非常多,大家可能也看到前一段时间,英特尔举办了中国第一场Openstack Chinaday,英特尔是Openstack里面一个非常重要的发起者,每年我们都会有非常大的一个投入在里面。然后另外一方面英特尔在社区里面的代码贡献量也是非常多的,我不记得确切的数字,但是非常靠前的。目前来说英特尔在里面有非常多的核心代码的贡献人员。所以英特尔在Openstack领域,除了有这种很高的代码贡献率之外,我们还会和很多的合作伙伴一起合作,帮助我们的客户找一家可信赖的ISV来去做系统落地的事情。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。