企业纷纷启动数字化转型,"数据智能化"已经成为企业的常态需求。这一趋势下,浪潮推出了智能存储G2平台,从介质层、设备层、协议层和应用层进行了大量技术创新,实现了智能的感知、智能的技术架构、智能的适配调度,助力企业构建智能IT基础设施。
浪潮智能存储G2平台
浪潮G2在存储虚拟化上的"三板斧"
在数据出现爆炸式增长、数据中心存储环境越来越复杂的今天,存储虚拟化功能可以帮助企业实现异构环境的整合,消除不用类型存储资源之间的差异,并能够减轻IT管理者的管理成本。浪潮G2的存储虚拟化技术并不是简单停留在建立统一虚拟化资源池上,而是具备了独具优势的"三板斧":
第一板斧:逻辑上统一管理,物理上自由布局
浪潮智能存储G2平台的虚拟化技术可将数据存放的物理位置与逻辑管理权限分离,带来的好处显而易见。"浪潮存储产品部产品经理杨涛表示:"存储设备可保持原来在机房的布局不变,安装在配电、通风、机架空间等因素比较合适的地方,甚至根据业务需求可以跨房间、跨楼层部署;但在管理方面,管理员只需要对着一个管理平台,所有存储设备尽在眼前,管理效果事半功倍。"
浪潮中端智能存储AS5000G2系列
现在很多企业都经历了信息化建设初期,或多或少积累了一些存储的"家底"。这些老存储设备大多服役多年,性能上跟不上新存储设备,高级功能也比较少。久而久之,这些老存储成了企业信息化的鸡肋:继续用,性能跟不上、容易出状况;直接舍弃换新,IT成本太高。
所以,通过存储虚拟化功能实现对老存储的整合、充分发挥老存储的性能,对于降低企业的信息化成本至关重要。浪潮智能存储G2在全系列产品中都提供了存储虚拟化功能,实际运行中可整合95%以上的异构SAN存储设备,这一点毫无疑问领先业界同档次产品。
存储虚拟化可接管不同厂商的存储设备
"互联网+"的趋势下,企业的应用数量和数据容量大幅增长,扩容势在必行。由于许多应用程序逻辑上都是相互关联的,所以一旦需要扩容或升级,通常多个应用或数据库很可能不得不同时中断服务。对于企业级数据平台或是公有或私有云服务提供商来说,服务中断可能带来巨大的经济以及品牌损失。
"数据在线、业务连续是一个经久不衰的话题",杨涛表示。"无论是在公有云、私有云还是混合云,无论是在过去、现在还是未来,存储服务不中断都仍然是最重要、最基础的企业级IT服务,这个服务不容有失,不容有错,否则一定会造成大范围的严重后果。"
存储服务中断很大一部分原因在于存储升级:要进行存储升级,就需要将数据从原来的存储迁移到新的存储,这个过程中往往需要中断数据服务。为了避免存储升级带来的存储服务中断,浪潮智能存储G2平台可通过虚拟化技术,对不同存储设备中的企业数据提供统一的透明数据迁移服务。
由于浪潮智能存储G2平台位于在服务器和其他厂商的存储设备之间,应用程序的读写都经过G2。所以,当未来购置新阵列时,可连到G2并利用G2的虚拟化技术实现数据在线迁移。最终,可将老旧设备的数据迁移到新的存储设备,待两台设备的数据100%同步后,应用即可平滑切换到新设备上,这整个过程对业务是零感知的、无损的。
存储虚拟化技术只是浪潮智能存储G2平台的众多高级功能之一,整体来看。G2由一套涉及感知、架构、管理的智能体系,包括硬件、软件、算法以及多服务模型的高效协同。G2平台集成了超过1000个软硬件传感器,具备100多个持续优化的核心算法,提供了智能管理、资源调度等十几个服务模型,提供了满足数字化转型需要的智能存储。
从2015年发布AS18000,到2016年的全固态存储HF5000和整机柜软件定义存储AS13000-Rack,再到2017年最新发布的新一代智能存储G2平台,浪潮构建了涵盖统一存储、全固态存储和软件定义存储的存储高端技术和产品布局,实现了存储产品线的完整化和结构化。
浪潮存储在高端技术上的不断创新、产品布局上的不断完善,推动浪潮智慧计算战略在数据存储领域不断创新和突破。浪潮存储,和浪潮的服务器、网络、云产品、大数据等协同发力。在未来整个IT产业里浪潮会提供更为丰富的、端到端的IT基础架构整体方案。
好文章,需要你的鼓励
Arelion升级其斯堪的纳维亚网络,连接超大规模数据中心以支持该地区蓬勃发展的AI市场。该网络基于1.6Tbps波长和可扩展400G相干可插拔光学技术,在奥斯陆、斯德哥尔摩和哥本哈根之间构建AI"超级高速公路"。升级将为企业客户提供增强的全球互联网骨干网接入和多样化连接服务。预计2025年第二季度末完成,并计划在2025年剩余时间及2026年继续投资。
这项由香港科技大学领导的研究首次建立了大语言模型安全守护栏的系统性评估框架。研究团队对13种主流守护栏进行了全面测试,提出了六维分类体系和SEU三维评估标准,揭示了不同守护栏在安全性、效率和实用性方面的权衡关系,为AI安全防护技术的选择和部署提供了科学指导。
CloudBees首席执行官Anuj Kapur表示,AI可能重新测试DevOps的基础假设,但警告不要为追求效率而创建黑盒代码。他指出,一些因担心错失机会而匆忙采用AI生成代码的客户正开始放缓步伐,变得更加谨慎。Kapur认为,将整代软件外包给提示工程将创建非人类生成的黑盒代码,虽然效率高但质量、测试覆盖率和漏洞问题值得担忧。
南加州大学研究团队开发出一种名为PILS的新技术,能够通过分析AI模型输出时的概率信息来破解隐藏的系统指令。这种方法通过观察AI生成文本过程中多个步骤的"思考轨迹",将隐藏提示的恢复成功率提高了2-3.5倍。研究发现AI模型的概率输出存在于低维空间中,可以用数学方法进行压缩和逆向分析。这项发现对AI安全具有重要影响,揭示了当前依赖隐藏指令的安全机制可能存在漏洞,为AI安全防护提出了新挑战。