SNIA(Storage Networking Industry Association,全球网络存储工业协会)已经公布了1.0版本的Swordfish存储管理规范,目标是在云时代的数据中心内实现存储产品和服务的标准化管理。
Swordfish是对Distributed Management Task Force(DMTF)的Redfish的扩展,能够应对存储设备和服务的管理。由SNIA的可扩展存储管理技术工作组制定的,被描述为"存储行业诸多领先公司参与,广泛行业协作的成果。"
它采用RESTul接口、JavaScript Object Notation(JSON)以及Open Data Protocol(OData)无缝地管理存储设备、存储服务以及服务器。Swordfish的API可以将不同类型的服务与不同性能水平的存储系统相连接。因此,IT管理员就可以通过选择所需类型的存储服务来配置存储的服务器。另外,厂商也可以在Swordfish之上添加他们自己的功能特性。
SNIA存储管理项目主席Don Deel在SNIA发布中表示:"SNIA Swordfish相比传统标准更容易理解、更容易实施,这将加速存储设备厂商和管理应用厂商对这项标准的采用。"
微软技术研究员Jeffrey Snover表示:"因为SNIA Swordfish是对Redfish的一个延伸,这将被广泛用于虚拟化环境,因此厂商将不再需要为任何一种特定系统制定不同的版本。"
但是Swordfish会被广泛采用吗?Swordfish早期的SMI-S存储管理项目没有取得成功,最终导致厂商的努力付诸东流。不过,Redfish数据中心管理标准似乎蛮受欢迎的,超微正在自己的微刀片产品中采用这项标准。这对Swordfish来说打下了一个很好的基础。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。