今天企业面临着数字化转型与云计算应用的挑战。根据Gartner的预测,企业IT未来5-10年将是传统IT模式与互联网等新兴IT模式(即"双模式IT")并存。
业界权威分析机构Gartner在2014年提出的"双模式IT"的组织模型。模式1(model 1)叫做可靠(Reliable)IT或传统IT,强调扩展性、效率、安全和精确度;模式2(model 2)叫做敏捷(Agile)IT或新型IT,强调的是速度和灵活性,例如给予Web-Scale、PaaS/Hadoop的应用。
在"双模式IT"下,存储系统也在发生着巨变,正在从封闭、纵向的架构转向开放、横向、软件定义的架构。
一方面,随着以OpenStack为代表的开放框架的兴起,软件定义存储系统逐渐成为市场主流,性能优秀、可靠性高、可扩展性强的开源软件Ceph脱颖而出;另一方面,容器技术迅速崛起,带动了市场对能够简化物理、虚拟和云环境中文件与对象访问的数据管理平台Gluster的需求,Gluster受到越来越多用户的青睐。
Ceph与Gluster的齐头并进也代表着存储领域的新趋势,共同为企业组织迈向云之旅与软件定义的世界照亮了前进道路。
为了让业界了解开源存储在解决"双模式IT"下存储的优势,同时推动开源存储在企业级数据中心的落地,继2016年8月5日,中国开源存储峰会在北京成功举办并获得巨大反响后,红帽再次携手Intel、云达科技、XSKY、大道云行和ZD至顶网于2016年12月21日在上海梦之龙万丽酒店共同举办中国开源企业存储峰会。
届时,全球开源存储专家、学者、企业IT主管、开源倡导者将汇集一堂,围绕"开放 融合 开源开启存储新世界 "这个主题,共同探讨在企业环境中如何运用开源技术,提升和优化存储系统。
在峰会上,ZD至顶网总编高飞以及红帽大中华区总裁张先民博士将对开源存储领域的现状做深度洞察的精彩致辞。
同时邀请了业界知名开源专家分享Ceph/Gluster最新技术发展以及在各行业部署实施等方面的最佳实践。
张家驹,热衷于开源软件及开源社区,对Linux服务器端软件、分布式存储、高可用性、虚拟化有超过10年的产品研发、架构设计及团队 管理经验,并曾带领OpenStack技术开发团队从事社区贡献。目前在红帽公司致力于开源存储软件及其商用解决方案的推广。他将在峰会上发表《存储市场的颠覆与分布式架构的崛起》的精彩演讲。
张建,Intel亚太研发有限公司云存储技术组高级软件工程师。云存储技术组致力于基于Intel平台开发和优化开源云存储系统架构及解决方案。 目前其团队在Ceph社区的代码贡献量排在第二位,在很多管家的功能和组件如Cache Tiering、Erasure Coding、Rados I/O hin、Bluestore上有很大贡献。 同时,他们还与Red Hat 一起组织了北京和上海Ceph Day, 并同许多中国的客户一起构建基于Ceph的SBS POC解决方案。 张建有9年的开源软件开发、性能分析优化与调优经验,例如Xen、KVM、Openstack、Ceph、Swift等等。他将在峰会上发表主题为《存储革命》的精彩演讲。
云达科技的技术专家李家瑞,有超过20年以上的IT 产业经验及5年以上商业顾问的经验。目前在云达科技中领导团队开发SDDC,开源云端及软件定义网络等相关的解决方案以满足服务提供商及企业客户的需求。他将深入探讨Ceph技术架构结合云达科技给用户提供的解决方案。他将在峰会上发表主题为《Ceph参考技术架构与QCT解决方案》的精彩演讲。
国内软件定义存储厂商北京大道云行科技有限公司(简称:TaoCloud)与红帽发布的内嵌红帽Gluster企业版的XDFS-Pro分布式文件存储系统,能够为用户构建更为弹性、高效、经济的软件定义数据中心基础架构。大道云行产品总监阮薛平将在峰会上发表主题为《TaoCloud分布式存储助力新IT》的精彩演讲。
同样是国内软件定义存储厂商的XSKY,其产品总监张旭明将在峰会上发布主题为《XSKY SDS,激发通用平台数据潜能》的精彩演讲。可以说峰会上的演讲为双模式IT下的企业存储面临的各种问题提出了丰富的解决方案。
此外,当天还有圆桌对话, "云时代的存储"等热点话题进行思想碰撞,相信此次峰会能够对未来存储的发展带来精彩的一笔!
想了解更多大会资讯请点击:中国开源企业存储峰会
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。