Dell EMC推出了旨在处理极高性能NAS工作负载的Isilon全闪存系统。这是今年年初EMC World大会上公布的Isilon Nitro进展的一个高潮。
你可以从4节点、4U机箱开始,从96TB到924TB容量,250000 IOPS,最高15GB/s的聚合带宽。
扩展到超过100个机箱,超过400个节点以及92.4PB的容量。这意味着有2500万IOPS,最高1.5TB/s的总聚合带宽,届时将提供多种配置。
这将是一个纯Isilon AF集群或者AF节点,可以添加到现有的Isilon集群中。
4节点起始配置的机箱是一个统一的机箱,而不是4个单独的1U机箱堆栈在一起。
我们认为,这个4U机箱包含60个驱动器,是三星的15.36TB 3D NAND TLC(3bit/cell)SSD,采用NVMe接口。去年2月Isilon产品线增加了HD4000 60插槽的存储设备。
Isilon AF支持NFS、SMB、HDFS、Object、NDMP、FTP、OpenStack、Swift和更多访问协议,Dell EMC表示。它可实现最高80%的存储利用率,1个100机箱的集群内可实现单个文件系统和卷。
重复数据删除功能(贴牌为Isilon SmartDedupe)可以降低存储需求最多可达30%甚至更多。
该系统中支持所有OneFS OS企业功能。
Isilon AF提供了基于角色的访问控制(RBAC);安全访问域;一次写多次读(WORM)数据保护;文件系统审查;通过自加密驱动器(SED)做静态数据加密。
在Isilon工程师看来,极端NAS工作负载包括极端NAS性能——例如4K数据流、基因组测序、电子设计自动化,以及Hortonworks、Cloudera、Pivotal、IBM和Splun等大数据分析厂商的近线实时分析工作负载。
Dell EMC可能已经厌倦了Avere的FXT NAS加速器,显示当前SAS和SATA磁盘驱动器系统不足以支撑像SFX创建及渲染这样的高端工作负载。
与此前高端S系列的定位
这次推出的系统与此前最高性能的S系列Isilon节点有什么关联?S210是在2015年2月推出,一个集群内有7.2TB、14.4TB、21.6TB种容量的节点,144个节点最高容量为3.11PB。全配置的集群提供375万IOPS,因此每个节点是26000 IOPS。
现在EMC表示,S210是从16TB的3节点集群开始,可横向扩展到144个节点,超过4PB,提供300万IOPS,显然要比Isilon AF更慢、密度更低。
Isilon AF与Qumulo以及Pure FlashBlade
初创公司Qumulo在他们的节点中使用充氦气硬盘,该集群基于HPE硬件,采用闪存-磁盘的混合设计。4U QC208配置了2.6TB和208TB磁盘。4节点的QC260集群原始容量1.04PB,使用10TB驱动器。
我们认为,Qumulo系统将有出色的表现,Qumulo 4U 1.04PB与Isilon AF的924TB在存储密度上没有太大差别。但是在成本上应该会相差很大,Isilon要更贵一些。
Pure即将推出的FlashBlade系统将对标Isilon的这款闪存系统。4U系统有15GB/s带宽,533TB原始容量——低于Isilon AF的924TB——采用专有的闪存卡,而不是商用SSD。
Isilon全闪存横向扩展NAS存储现在可以预定,将在2017年供货,可能是在2月,与新版本的OneFS一起,作为一项免费升级提供给现有客户,我们现在还没有得到价格信息。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。