西部数据集团今日宣布,其大受欢迎的 HGST 品牌Ultrastar® SN150 PCI Express (PCIe) NVMe固态硬盘 (SSD) 经认证,可应用于VMware® Virtual SAN 和vSphere环境。经过优化的Ultrastar SN150 SSD安装简便,可以帮助VMWare环境降低延迟,并为虚拟服务器和云存储带来超大规模的高性能和更强的服务质量 (QoS) 时间。相比传统存储架构,Ultrastar SN150 SSD通过减少性能调校和现场支援成本,大幅降低了VMware存储环境的总拥有成本。在使用VMware虚拟化管理服务器端的环境中,Ultrastar SN150是数据中心管理人员在VMware Virtual SAN或vSphere上建立或部署系统的理想选择。
经认证的Ultrastar SN150属于西部数据集团旗下HGST品牌Ultrastar数据中心存储解决方案系列中的一款产品。 Ultrastar SN150采用半高半长 (HH-HL) 插卡形式,并且是业内首批内置VMware NVMe驱动程序的NVMe SSD之一。对于数据中心管理员而言,这有助于避免耗时的下载和配置问题,实现更快速的部署。Ultrastar SN150 SSD备有1120GB1到 3820GB 的容量范围,其速度超过Virtual SAN最高性能等级 (F级) 规格,因此能够轻松应对各种虚拟服务器和存储配置中的最大数据负载,包括全闪存以及使用闪存作为缓存并使用机械硬盘作为存储设备的混合配置。
西部数据集团企业级和客户端解决方案 (enterprise and client compute solutions) 市场营销副总裁Anand Jayapalan 表示:“我们的 Ultrastar SN150 PCIe SSD是数据中心扩展虚拟IT基础架构最有效的方式之一,可提供稳定的高性能、超低的延迟和NVMe级别的速度。该产品经过认证后,进一步拓宽了西部数据集团无与伦比的VMware认证存储解决方案产品组合,帮助 IT管理员管理全闪存以及混合Virtual SAN环境中最严苛的云计算和超大规模企业级应用所不断产生的海量数据。”
VMware存储和可用性业务部 (Storage and Availability Business Unit) 产品副总裁Lee Caswell 表示:“客户一直都在寻找可助其简化新技术应用过程的合作伙伴,从而满足其不断变化的业务需求。我们很高兴与西部数据集团展开合作,将Ultrastar SN150 PCIe NVMe SSD的高性价比,与领先的超融合产品VMware Virtual SAN相整合。我们的低风险内置驱动程序让客户们感到满意,并帮助合作伙伴降低风险。”
相比常用的VMWare Virtual SAN认证SAS产品,基于NVMe的Ultrastar SN150 SSD在4K随机读取情况下可提供高达近4倍的IOPS性能,以及近2倍的4K随机写入IOPS性能2。加上低延迟 (约20毫秒),Ultrastar SN150 SSD提供一致、可预测的性能,能满足延迟敏感型在线业务处理 (OLTP) 数据库的工作负载要求、快速虚拟桌面,以及同时运行数据库和延迟敏感型应用、非常重视响应时间的混合负载环境,如电子商务、金融应用和内部应用如电子邮件。
Ultrastar SN150 SSD是西部数据集团针对VMware环境的存储解决方案产品组合的最新成员。西部数据集团及其WD®、HGST 和 SanDisk闪迪品牌系列,提供多达200多种不同的存储设备、软件解决方案和vSphere和Virtual SAN认证的配置,包括 Fusion ioMemory™ PCIe SSD、SanDisk闪迪® Lightning II SAS SSD、Ultrastar™ 7K6000 企业级机械硬盘、适用于vSphere API IO Filtering的FlashSoft™ 4 等等。针对vSphere 所做的前 10 大 VMmark 效能测试,亦一律采用西部数据储存产品,包括本月最新发表排名第一的效能测试3。
功能与规格
• 经认证可用于VMware vSphere 和Virtual SAN平台
• 企业级可靠性:闪存阵列管理技术、端对端数据路径保护、高级错误检查与纠正技术、安全擦除、电源故障保护
• 支持 PCIe Gen 3.0 服务器平台
• Virtual SAN最高性能等级 (F级)
• 小尺寸、半高半长 (HH-HL) 插卡形式规格
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。