最新思科云产业调研报告显示,到2020年全球数据中心内存储的数据将增长5倍,达到915EB。思科近日宣布针对新一代存储网络推出技术创新,该存储网络将帮助用户访问、管理并自动处理存储数据,帮助企业实现全数字化业务发展目标。
同时,思科通过集成MDS存储导向器和统一计算系统(UCS)矩阵,为存储网络用户提供32Gb光纤通道性能、存储网络分析功能以及面向闪存设备的基于FC的非易失性存储器标准(NVMe)。
思科数据中心解决方案部产品管理高级总监Thomas Scheibe表示:"思科一直致力于开拓和发展存储网络市场,此次思科推出的前沿科技创新将推动全数字化经济发展,并保护客户的投资。通过完成高性价比模块的简单安装,用户可升级到能提供32Gb矩阵、存储区域网络分析和闪存支持的新一代存储网络。"
思科发布的亮点包括:
• 面向闪存存储的高带宽存储区域网络:全新MDS 9700 48端口32Gbps光纤通道交换模块使用户能够基于不断增长的需求进行无缝扩展。
o 投资保护:借助思科易于升级的机箱架构,于2013年推出的思科MDS 9700现可进行升级,以支持32G光纤通道。
o 最高端口密度的导向器:每个导向器配备768个线速32Gbps的光纤通道端口,满足扩展需要,实属业界领先。
o 领先的性能:1536 Gbps全双工聚合性能,可为高性能虚拟化服务器、全闪存阵列和NVMe阵列提供高速32Gbps存储联接能力。
• 增强的服务器存储联接能力:在思科UCS上提供32G Broadcom/Emulex和Cavium/Qlogic光纤通道主机总线适配器(HBA)支持。
为了满足存储区域网络可扩展性要求,思科与Broadcom/Emulex和Cavium/Qlogic协作,联手面向用户推出高带宽存储联接能力,并在思科UCS C系列上为32Gb光纤通道主机总线适配器提供无缝支持。32Gb主机总线适配器设计用于满足现代网络存储系统的要求,利用高性能和低延迟固态存储硬盘来提供高速缓存和持久性存储,同时利用普通机械硬盘阵列来满足其他需求。
集成分析引擎提供深入可见性
" 借助思科MDS 32G模块内置的基于硬件的高性能分析引擎,企业能够在整个存储区域网络上以线速对每次交换、每个序列、每个数据包实时获得全面的可见性。用户将能够实时分析FC交换并报告各项指标,对网络中任何潜在的性能问题提供全面、及时的监测,以做出明智的运营决策。
提高效率和简化运营
思科MDS存储导向器和思科UCS C系列服务器现在支持基于FC的NVMe,使终端用户能够扩展闪存设备,以实现更快的应用响应以及更出色的可扩展性。
o 多协议提升灵活性:MDS交换机可同时支持基于FC和FCoE的NVMe和小型计算机系统接口(SCSI)。
o 无缝插入:通过无中断升级到NX-OS 8.x版本,MDS交换机可支持NVMe,并且无需更换硬件。
o 投资保护:当前和未来所有的MDS交换机均支持基于矩阵的NVMe,包括MDS 9700、9396S、9250i和9148S。
支持引言
杰西潘尼(JC Penney)公司解决方案架构师Pavan Kasumurthi表示:"作为美国领先的零售商,JC Penney的存储需求正日益增长,对存储的要求也日益提高。思科MDS存储导向器凭借出色的可扩展性和可靠性,有效地帮助我们进行存储网络管理。我们对于思科MDS 9700系列具备的高性能32Gb光纤通道能力非常满意,思科MDS 9700系列只需简单添加一个模块即可完成升级,这无疑保护了我们的初始投资。"
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。