最近和宏杉科技的交流中获悉,他们花了几个月时间搞的SPC-1测试终于了有了结果,表现还不错。对于SPC-1测试,它反映了存储系统在执行关键业务应用时的性能表现,以随机I / O操作为主,可以为数据库、邮件关键业务应用存储系统选择提供测试参考依据。类似于服务器选型中的TPCC、SPEC测试,SPC-1也是金融、电信等高端行业用户选择存储系统时主要的参考依据。
性能表现的成绩单
据宏杉科技副总工冯杲介绍,此次宏杉科技参与SPC-1测试的机型是MS3000G2,这是一款中高端的产品,这个产品在2016年初发布,作为新一代产品,其性能相当于上一代的MS5000系列产品,属于高端产品中的入门级产品。
为什么宏杉科技没有选择最高端的MS7000AF或者MS7000AFT系列参与测试呢?对此,宏杉科技产品部部长汪振浩透露,MS7000的确有参与SPC-1测试的计划,但最先付诸实施的还是MS3000G2。

宏杉科技MS3000G2 SPC-1测试环境
此次进行SPC-1的MS3000G2,采用了4控制器的配置,每个控制器配备了64GB内存,总计256GB。4个控制器透过32个8Gb FC HBA和2台Dell PowerSdge R730测试服务器进行连接。在后端,每个引擎内部磁盘柜配备了4块600GB机械硬盘和6块480GB SSD盘;透过12Gb SAS和外部磁盘柜中18块 480GB SSD进行了连接。控制器之间透过8个万兆接口进行互连。

宏杉科技MS3000G2的SPC-1测试结果
从最终SPC-1的测试结果看,其IOPS的性能是43万IOPS,性价比表现为0.33美元/IOPS,其IOPS的时延为0.444ms,平均时延为0.297ms;存储系统容量10.4TB,每GB价格为13.11美元。
"这是一个让宏杉科技感觉很满意的测试结果。特别是每IOPS的成本是目前作为领先的,不到0.5ms的时延表现也是一个亮点。" 汪振浩说。
排名比较
43万IOPS、0.33美元/SPC-1IOPS是一个什么概念?在业界进行横向对比是一个什么水平?为此,我也查阅了SPC-1官方网站(http://www.storageperformance.org/results/results_spc1_v3/spc1_v3_top-ten)。
SPC-1测试排名
截至到发稿时间为止,参与SPC-1 V3版本以上测试的只有5款产品:华为OceanStor 6800 V3、华为OceanStor 18500V3、IBM DS888、IBM Storwize v5030和宏杉的MS3000G2。从性能排名来说,宏杉的MS3000G2不是最高的,排名在第4位,但作为一款中高端存储器,与友商最高端产品PK,应该说,这个成绩还不错。0.33美元/SPC-1IOPS的表现,让宏杉排名第一。
对于行业用户来说,如果MS3000G2的性能和容量可以满足需要,从性价比的角度,这将是最好的选择。在此需要注意的是,此次SPC-1测试还不是MS3000G2的顶级配置的表现,此次只采用了4个控制器,它可以通过横向扩展到16个控制器,也就是规模4倍的提升;另外,控制器的内存也可以从64GB提高到128GB。如此,相信MS3000G2会有更好的SPC-1测试表现。
为什么宏杉科技没有全力以赴追逐SPC-1测试排名?对此,宏杉科技方面没有进行更多的解释。但按照我的猜想,宏杉科技参加SPC-1测试并不是完全为了追逐排名,将目前市场最为常见的配置参与测试,一来可以为用户提供第三方数据依据;另外一方面,也是对自身产品技术实力的一次检阅。
对于SPC-1测试,需要注意的是它有V1、V3版本测试的区分。其中,V1版本测试排名第一的是DataCore的一款软件定义存储(SDS)的产品,性能秒杀传统高端磁盘阵列,以至于业界惊呼,DataCore玩坏了SPC-1测试。此后,SPC推出了新的V3版本的SPC-1测试,掀开了新的里程碑。但是只有5款产品参加测试,也在一定程度上说明了DataCore的破坏力。
小结
各种各样的奖项和排名是拉升产品销售的强有力的工具,我阅读的很多图书、观看的电影,很多都来自各种排名的推荐。IT产品也是如此,第三方测试方法和排名是系统选型可以参考的依据,对于金融、电信等高端行业用户而言,类似SPC-1这样测试就尤为重要。
主动参与SPC-1测试,这是宏杉科技市场发力的最有力的注解,这也是宏杉科技加快上市的最强力步伐之一,从创新CloudSAN发布再到SPC-1国际测试的推进,我看到的宏杉科技,是一个志向远大,充满了自信的民族企业,而这也是这个时代,中国存储最需要的突破的!加油!宏杉科技。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。