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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。