和很多新技术趋势一样,会出现某些假设和炒作影响到采购者的行为并导致糟糕的决策。Gartner列出了在超融合集成系统(HCIS)市场中7个最常见的错误假设。
“围绕以软件为核心的架构的HCIS,在通用硬件上集成了计算、存储和网络,实现了具有成本效益的基础设施解决方案,易于部署、管理和扩展,”Garnter副总裁、知名分析师George Weiss表示。“但是,厂商为了促进销售通常会对新技术进行大肆炒作。基础设施和运营(I&O)负责人和决策者应该谨慎地评估以下几点以避免后续出现失望或者遇到陷阱。”
神话1:所有实施都包含标准和开发架构
I&O负责人通常会问:什么是标准的、开放的架构?在HCIS的软件定义世界中,标准化和开放的程度越来越多地取决于代码库。弄清楚谁控制代码、谁负责开发、维护和性能,是一件很重要的事情。没有软件定义的标准,因此一家厂商的管理控制可能无法管理其他厂商的设备或者软件定义网络。
神话2:所有实施都通不过关键任务可扩展性和弹性测试
HCIS实施在强健性、扩展性和安全性方面各不相同,需要考虑的关键背景就是预期的用途。HCIS设计最适合于高可用性和虚拟化工作负载。但是这其中有很大的差异,一些HCIS集群只能扩展到8个节点,其他则可以扩展到数百个甚至数千个节点。“我们建议,这种可扩展性通常不符合Gartner对无缝管理HCIS一体机的定义,”Weiss说。
神话3:HCIS成本代表最低支出的部署模型
HCIS基础设施能够根据需要添加节点,通过小幅增量调节轻易实现纵向扩展。但是,在扩展期间,会出现各种用途需求,这通常要求额外增加节点,在HCIS上的投资也很容易超过前期的投资。
神话4:最重要的用途就是虚拟桌面基础设施(VDI)
VDI已经成为HCIS“最有名”的用途。但是,很多通用工作负载也很适合使用HCIS,因为这些工作负载有提高性能、扩展、数据保护、简化部署、扩展混合云生态系统的需求。I&O负责人应该其他未来三年还会进一步扩展,以实现更高水平的敏捷性、DevOps、容器、双模应用和基于消费者的服务。
神话5:HCIS预示着传统存储阵列的消亡
HCIS具有巨大潜力在高度虚拟化的环境中取代中小型、通用磁盘阵列。对于那些要求可预测的行为和经过验证的可靠性的关键任务型应用来说,HCIS可能就不太奏效了。如果考虑所有容量利用率和成本的因素,现在的混合或者固态阵列部署可能从长期来看更经济实惠一些。
神话6:HCIS消除了数据中心互操作性和孤岛
HCIS缺乏与现有传统基础设施的紧密集成,这迫使I&O负责人不得不面对孤岛部署的问题。孤岛的方法已经适应了现有的管理和对传统操作的技术支持。然而,HCIS也要求有新形式的团队协作及专业集成,这与现有传统解决方案是不同的。HCIS部署模型会让那些希望从硬件堆栈管理模式切换到易于部署的虚拟化平台交付的IT领导者产生共鸣。
神话7:传统厂商选择偏好将保持不变
Gartner的重点小组参与者表明,对传统厂商的忠诚度可以通过以下几个标准进行测试:
- 该厂商是否越来越适应HCIS这股新浪潮?
- 该厂商是否真的愿意打破常规解决方案?
- 该厂商是否有推动创新的愿景?
- 该厂商能否走在新兴的、敏捷的竞争对手前面并且加大投资?
虽然与那些缺乏可靠记录的厂商合作存储风险,但是部件和基础设施的商品价格将会减轻一部分风险。应对最坏情况的厂商故障问题也会变得越来越容易。
好文章,需要你的鼓励
Meta平台公司收购新加坡AI初创公司Manus,该公司以开发能够在无人监督下使用网络浏览器执行任务的AI智能体而闻名。Manus今年3月一经推出便引起轰动,能够执行创建简历、编写软件应用和设计网站等复杂任务。公司在8个月内实现1亿美元年度经常性收入,成为首家达成此里程碑的初创企业。Meta将继续独立运营Manus服务,同时将其技术整合到Meta AI平台中。
新加坡国立大学联合Lovart AI开发的OmniPSD系统,首次实现了AI驱动的双向PSD文件处理能力。该系统能够将扁平图像自动分解为可编辑的图层结构,同时支持从文字描述直接生成分层设计文件。基于扩散变换器架构和创新的RGBA-VAE技术,OmniPSD在20万真实设计样本上训练,实现了专业级的透明度处理和图层分解效果,为设计行业的数字化转型提供了强大工具。
软银集团宣布以40.4亿美元全现金收购私募股权公司DigitalBridge。该公司管理着约1080亿美元资产,投资组合包括数据中心建设商Vantage等科技企业。Vantage正在为OpenAI建设价值150亿美元的威斯康星数据中心园区,并在德州建设投资超250亿美元的Frontier园区。此次收购将加强软银在AI数据中心领域的布局。
ByteDance Seed团队提出UniUGP统一框架,首次将自动驾驶的理解、生成、规划三大能力完美融合。通过混合专家架构和四阶段训练策略,该系统在场景理解、轨迹规划和视频生成等任务上均超越现有先进模型,为自动驾驶技术发展开辟了新路径,预示着更智能可靠的无人驾驶未来。