阵列厂商Infinidat公布了第三次重大的软件升级,增加了压缩、内嵌iSCSI支持以及增强的阵列分析。
Infinidat的架构有3个控制器节点,每个节点都可以看到所有驱动器,避开了全闪存的设计,而是依赖于1.2TB-3.2TB的DRAM缓存,24TB-210TB的NAND缓存,最多480个7200转的硬盘。该系统提供了7个9个正常运转时间,也就是99.99999%的可靠性。
下面就是该系列的4款Infinidat阵列:
- F1000,可用容量最高115TB,3GB/s带宽和300000 IOPS
- F2000,248TB-499TB的可用容量,7GB/s带宽和500000 IOPS
- F4000,682TB-1024TB的可用容量,10GB/s带宽和750000 IOPS
- F1000,1035TB-2765RB的可用容量,12GB/s带宽和1000000 IOPS
入门级的F1000已经在今年8月推出。
Infinidat软件的3.0版本可以在不影响访问性能的情况下带内压缩数据。数据写入据称只需要180微秒。然后后端的分配器功能可以将新数据区段拿出来,放到磁盘的永久性存储中,在这里完成压缩,这样数据就可以在写入到磁盘之前完成压缩。目前采用了LV4算法,但还将有一个算法库针对不同类型的数据,这样压缩功能就会随时间推移不断改善。
客户能够以卷湖综合文件系统为单位打开或者关闭压缩功能,而且该功能是作为免费操作系统更新的一部分提供给所有Infinidat客户的,Infinidatiang保证2X的压缩率。Infinidat称,有了压缩功能,其阵列可以在标准的42U机架内扩展至超过5PB可用存储容量。
此前在2015年支持的iSCSI是第三方的软件,而且必须在机架内采用3U iSCSI节点,现在这些空间已经被回收了。MSP客户很高兴听到这个消息。IOS的V3版本采用了Infinidat自己的软件iSCSI技术,原生运行在自己的三控制器集群上。这让iSCSI成为FICON、光纤通道和NFS的第一层对等协议。
该系统仍然是7个9个可用性,非阻塞以太网,在端口/节点发生故障的情况下支持透明的故障转移。Infinidat首席技术官Brian Carmody认为,运营商级的iSCSI拥有很大的市场空间,VMware、Windows和OpenStack都支持这项技术。
我们了解到,32Gb/s光纤通道将会在2017年下半年问世。
阵列的分析功能也得到了增强,有多维度的分析,不只是基于时间顺序的功能。客户可以按照时间、IO类型以及延迟等维度进行分析。
InfiniBox性能分析截屏
在这个分析GUI中使用的每个单一数据点都是可以通过Rest API访问的,这是GUI代码后端所使用的API。
Infinidat表示,它的阵列要比全闪存阵列更快,一部分原因是Infinidat阵列采用了DRAM和闪缓存让保存在磁盘中的数据变得更快。该阵列的架构与众不同,可以采用不同类型的存储介质,介质性价比方面的变化,能够让阵列保存更多数据并且速度更快。目前,它可以支持磁盘驱动器保存最多20TB数据。Infinidat称,他们正在与硬盘厂商进行商谈,可能最多可支持到100TB的硬盘。
Infinidat v3.0将在该季度晚些时候供货,现有的客户可以获得不间断的免费软件升级。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。