随着"互联网+"与产业融合的深入,越来越多企业把应用、数据、系统进行集中处理,数据大集中的同时更面临极大数据安全风险,企业对业务连续性的需求越来越迫切,数据库、虚拟化及其它重要业务系统环境均以集群和HA方式提供了业务连续性保障;而集群或HA所依赖的共享存储系统成为IT架构中的最后一个单点故障。
3电,口
1、客户"特烦恼":数据灾难如何恢复?
突发事件造成的非计划宕机的事件不可避免,尤其是企业集中化管理的数据中心,如下图是Business Continuity QuickPoll的大数据分析结果,对各种行业及突发事件发生后所花的时间进行详细分析得出的结论。
由上图可以看出,非计划宕机时间在10小时以内的用户约为71%,其它用户宕机恢复时间则要达到10小时以上,甚至部分用户的数据是不能被恢复的。非计划宕机的恢复时间直接影响着企业的隐形成本,宕机时间越长则隐形成本越高;过长的非计划宕机恢复时间对于企业是致命的。
灾难突发时如何保障企业核心业务7*24小时业务连续性,如何在IT层面保护社会效益和经济效益,核心还是在于共享存储数据安全。当前,保障数据安全的先进手段,莫过于双活数据中心的搭建。
2、浪潮:数据是命脉,必须要"双生"
采用存储双活技术
该方案采用完全独立的两套磁盘阵列实时存储双份数据,解决了整个系统的单点数据故障问题,每台阵列上都采用安全性较高的RAID格式来保护数据,同时把数据和服务器也进行了分离,使数据存储的速度相比传统方式有较大提高,并且便于存储系统的升级扩容,支持不同接口的存储。
2.1浪潮双活网关AS-V架构
AS-V双活网关可以灵活扩展,支持最多8个节点的集群架构,可以实现节点简单快捷的无缝添加。AS-V每个节点都具有独立的CPU、缓存,随着AS-V节点的增加,存储系统的性能可以实现线性提升;浪潮双活网关IO Group组网方式是基于虚拟化存储平台之上的Active-Active数据中心的存储双活解决方案,为上层应用提供存储A-A双活或高可用架构,确保存储层的任一组件故障不会对上层应用产生中断影响。
在数据写入到AS-V网关完成缓存数据镜像时即反馈主机数据写入完成,这与数据写入磁盘阵列的方式完全相同;后续的整合后数据落盘则可以通过磁盘阵列固有的高速缓存实现数据的快速写入,从而实现AS-V网关性能与后端磁盘阵列性能的联动,实现数据的快速写入。
以上可见,应用的写入IO速度是最影响应用响应速度的环节,而在写数据环节,AS-V特有的缓存数据处理方式确保了整体存储系统的写入性能,减少了数据写入对后端存储性能的极大损耗。
2.2浪潮双活存储AS5600架构
数据流向如上图所示,生产主机读写生产存储,生产存储通过同步复制功能将写入的新数据同步复制到备用存储,备用存储写完成后反馈生产存储,再反馈主机写完成。此时生产主机到备用存储的FC链路处于link down状态,standby。当触发手动或自动切换时,生产主机到生产存储的FC链路变化为link down状态,生产主机到备用存储的FC链路变化为link up状态,此时生产主机开始读写备用存储。
AS5600特性基于两套存储阵列实现AA(Active-Active)双活,两端阵列的双活LUN数据实时同步,且双端能够同时处理应用服务器的I/O读写请求,面向应用服务器提供无差异的AA并行访问能力。当任何一台磁盘阵列故障时,业务自动无缝切换到对端存储访问,业务访问不中断。
3、存储双活解决方案优势
传统的主-备方式的容灾解决方案,通常RTO指标会大于10分钟,出现事故时要人工进行切换,技术人员要承担大量的脚本维护工作,而且容灾中心的资源利用率较低。浪潮存储双活架构则不同,可实现零停机业务迁移、零RPO、零数据风险,RTO通常会小于1分钟,出现故障时可以实现自动切换,容灾系统也处于始终可用的状态,两个数据中心的资源可以得到充分利用,实现双活数据中心的"零"切换"零"丢失。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。