西部数据公司已经发布了一套ActiveScale P100系统,专门用于存储对象数据,其存储容量区间在720 TB到19 PB(原始容量)之间,这意味着其将作为低于存储区间在672 TB到35 PB的Active Archive系统之下的入门级归档产品层存在。
ActiveScale P100 QCT服务器与存储托架细节图
西部数据公司目前拥有数据中心系统业务部门,简称DCS,其中包含SanDisk InfiniFlash以及HGST Active Archive System产品,外加此次最新公布的ActiveScale系统方案。
其中规模最小的Active Archive产品为SA1000,其单机架存储容量区间在672 TB到4.6 PB之间,并可在单一命名空间内跨越三座数据中心实现28.2 PB跨地理位置存储容量。
西部数据方面表示,其规模更小的ActiveScale P100属于一套向上扩展与向外扩展系统,单机架最高存储容量为2.16 PB,跨机架容量上限则为19.4 PB。与Active Archive一样,其采用对象存储软件且最高可通过纠删编码及跨地理位置设计实现"十五个九"数据耐久性。
地理扩展意味着其能够部署至三站点配置当中,从而通过地理分散实现数据的更高可用性水平。
基础P1B0720配置最高可实现每秒3.5 GB传输速率并容纳高达6亿个对象。九机架最高19.4 PB(原始容量)系统则可利用其12.9 PB实际可用容量容纳162亿个对象。
基本单元占用12 U机架空间,扩展单元为6 U,而全配置19.4 PB系统总空间占用量达216 U。基本配置包含六台安装在机架较低位置的存储节点(基本单元)。中部位置则为三台系统节点,其下为两台存储互连节点,具体如以下示意图所示:
ActiveScale基本配置示意图
最高向上扩展配置(2.16 PB)需要配合两台扩展单元,其安装在基本单元之上且位于系统与互连节点之下。
向外扩展容量系统(6.48 PB)则可容纳三套完整的向上扩展2.16 PB系统,而向外扩展性能系统(2.16 PB)则可容纳三套最低配置720 TB基本系统。
最低与最高ActiveScale P100向上扩展机架:外观并不出彩。右侧机架拥有三台系统节点安装于中间位置,不过看不到其存储互连节点。左侧系统拥有一套基本单元外加两套额外的容量(扩展)单元。
从上图中可以看到,P100采用QCT QuantaGrid SD1Q-1ULH 1U服务器。很明显,这些服务器能够容纳5块2.5英寸SATA SSD、12块3.5英寸磁盘驱动器并提供一个PCIe M.2插槽。服务器之上包含三排10插槽QCT存储托架。机架顶端采用一台戴尔PowerEdge R415服务器(双插槽AMD处理器)。
磁盘驱动器采用HGST的氦气填充式单元。可以看到,基本单元拥有6个存储托架。如果按照720 TB原始容量计算,则意味着每托架容量为120 TB。换言之,如果采用10 TB He10驱动器方案,则每托架容纳有12块10 TB驱动器。
西部数据方面表示,其操作系统为ActiveScale 5,且该系统提供一套S3接口以及ActiveScale系统管理(简称SM)工具。
西部数据公司建议大家利用集成化Active Archive处理2 PB规模且增长速度较快的非结构化数据集,而模块化ActiveScale则更适合处理TB级别且增长速率较快的数据集。
ActiveScale系统将主要面向内部与外部云用户,具体包括生命科学、政府/国防以及媒体与娱乐行业类应用。这部分市场需要保有规模庞大的内容库、媒体流与媒体服务、数据分析、数据保护以及归档机制,西部数据方面解释称。
另外还有一款ActiveScale CM云工具,其负责"提供远程系统运行状态监控以及容量与性能的预测性分析,旨在主动管理指向ActiveScale P100的存储与访问活动。"
感兴趣的朋友可以点击此处查看关于ActiveScale P100的更多细节信息。
目前给出的ActiveScale P100系统价格为每GB 0.22美元起,且已经可以立即开始订购。
评论
按照以上算法,那么720 TB入门级系统的价格为15万8400美元。在我们看来,如果其采用10 TB磁盘驱动器,那么仅需要72块驱动器,折合每驱动器价格为2200美元。大家可以在Amazon上以525美元的价格买到10 TB氦气填充式Ultrastar He10驱动器。
事实上,在这套入门级方案中,我们相当于为软件、机箱、电源、风扇、控制器、机柜布线以及可扩展性等元素支付了大概12万美元--确实不怎么划算。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。