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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。