Infinidat公司正在对自家Infinibox阵列产品设计进行调整,希望借此提升其存储容量水平。
目前的3U驱动器托盘与2U控制器机箱将双双被调整为1U托盘,从而将机架内部的磁盘驱动器容纳能力由480块提升至720块——提升幅度高达67%。这些驱动器托盘可支持60块以垂直方式安装的磁盘驱动器。
在Infinidat公司位于以色列荷兹利亚的办公室内,记者们在数据中心中亲眼见证了三台这样的1U服务器机柜,相较于原有3 x 3U控制器(采用戴尔370服务器)机柜,新的设计方案能够额外释放出3U物理空间。
在其之下为1U驱动器托盘,能够平行安装多排希捷3.5英寸Constellation ES驱动器。根据我们的计算,每套托盘能够容纳20块驱动器,而机架之内共可容纳36套托盘,这意味着机架的总体驱动器容纳能力可达到720块之多。
如果使用目前的主流高容量10 TB磁盘驱动器,那么机架整体能够提供7200 TB存储容量; 如果使用预计将在未来几个月内推出的12 TB驱动器,那么其整体存储容量将进一步提升至8640 TB。Infinidat公司将因此构建起一套容量达8.64 PB的机架,其可用存储资源将达到目前4.8 PB机架(480块10 TB驱动器)的1.8倍。
我们了解到,Infinidat公司预计未来的磁盘驱动器将采用HAMR(即热辅助磁记录技术)与叠瓦式(部分重叠)磁轨技术,且存储碟片将被放置在氦气填充外壳之内。该公司发言人谈到,到2020年其机架存储容量将达到50 PB,如果阵列本身的720块驱动器容纳能力保持不变的话,这意味着单块驱动器的容量需要增加至70 TB。
另外,我们还在Infinidat公司的发展路线图上看到了重复数据删除与控制器数量提升等规划。根据我们的了解,未来阵列中的控制器数量仍继续保持为奇数,即由目前的三套增长为五套或者七套。
目前,Infinibox之内仍然使用一套SAS结构以将各驱动器托盘及其上的驱动器接入各控制器。预计未来这一结构将会被NVMe所取代,从而进一步提升驱动器与控制器间互连机制的速度与传输带宽。
然而,这种变化不太可能扩展至访问客户端——这是因为客户更倾向于扩展Infiniboc访问协议支持能力,而其中对SMB的支持可谓呼声最高。目前相关工作正在推进当中,我们预计这一支持能力将在2017年实现。该公司可能将在2017年8月推出其4.0版本软件方案,而SMB支持也许将被包含在其中。
1U驱动器托盘
来自客户的其它访问协议要求则包括S3、Swift以及HDFS。根据我们掌握的情况,32 Gbps光纤通道支持能力将在2017年年内实现。另外,相关软件的4.0版本可能还会提升服务质量。
Infinibox控制器软件亦有可能被作为虚拟机独立提供给客户,或者供其它硬件渠道使用,具体包括服务器、接入交换机、InfiniBand(或者以太网)基础之上的内部NVMe结构与驱动器托盘,乃至其它由Infinidat提供的认证/合格配置方案等。
Infinibox公司的1U控制器与驱动器托盘
根据该公司的说法,根据目前的情况看其盈利态势已成定局,且今年的营收应该会突破1亿美元。这是否意味着其有可能在2018年年内进行首轮公开募股?我们似乎找不到阻碍其公开融资的理由。今年之内各季度营收较上年同季度相比皆实现了两位数增长,且Infinidat公司似乎已经连续三年超越了其竞争对手——包括戴尔-EMC(VMAX/Unity)、HPE(XP7)、HDS(VSP)以及IBM(DS8000与XIV)等——特别是在全闪存阵列PB级别数据存储场景下的访问速度,以及纯磁盘驱动器阵列的使用成本方面。
除非被收购,否则按照目前的态势来看,Infinidat公司仍将继续保持一波高速而稳定的增长。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。