近期,苹果云备份(iCloud Backup)服务出现了宕机,并在36小时内没能恢复。这导致一部分苹果设备用户无法使用此服务,该宕机让用户无法创建新备份,也无法使用此前的备份。苹果云备份服务就出现持续了36个小时的宕机,导致一部分苹果设备用户无法使用此服务。
其实,宕机导致业务中断是企业普遍面临的风险,除了苹果,微软、亚马逊、Facebook等国际巨头近年来相继爆出的大规模宕机事件,造成业务中断,不仅严重影响用户体验,更对企业的经济及名誉造成巨大损失。可以说,如何通过构建领先的高可用方案保障业务连续性、降低企业的业务风险,是几乎每家企业都需要认真思考的课题。
Twitter 上用户对苹果云备份宕机的抱怨
要想在最大程度上防止数据中心宕机、降低业务中断的风险,需要从业务流程、网络访问以及数据一致性方面提供全方面的高可用支撑能力。其中,数据一致性以及数据安全性是最重要的部分。要满足这一需求,企业就需要通过企业级高可用存储方案,构建稳健、高效率的存储高可用平台。
一般来说,企业级高可用存储方案有备份、容灾、双活/多活、两地三中心等多种类型,高可用保障能力依次呈现递增的趋势。金融、税务、电信等行业的大规模核心业务数据保护,多采用双活和两地三中心方案,以便于给业务连续性方面提供最高等级的保障,最大程度上降低恢复时间目标(RTO)和恢复点目标(RPO) 。第三方的调研数据显示,90%的战略型数据中心都已经采用了双活数据中心的配置。
"存储双活解决方案的最低目标是确保业务存活,目前业界主要有三种实现方式:采用全局缓存一致性来实现双活;通过智能路由技术,用IO拆分器实现数据同时写入两份;通过同步镜像技术、在两个存储设备之间同步存储数据。" 浪潮存储产品经理杨涛表示,"值得一提的是,同步镜像技术可以保障即使在一台存储设备或一个数据中心出现故障的情况下,双活方案仍能确保业务连续性,因而得到了广泛的应用。"
以同步镜像技术为基础,以最大程度提升存储双活的可用性为目标,浪潮推出了以智能存储G2平台为核心的浪潮存储双活解决方案。作为新一代存储,浪潮智能存储G2平台在保障传统存储高可靠特性的基础上,更强调智能化。可实现企业数据在数据中心内部及之间实时共享和移动,并统一提供对外的数据访问服务,保证数据的可靠性及可用性。
浪潮智能存储G2平台
与传统的主-备方式的容灾解决方案不同,浪潮智能存储G2平台的双活解决方案可以实现当单数据中心存储故障时,双活方案中的存储系统需要能够实现路径访问自动切换,同时受业务端应用驱动,数据访问自动切换到另一数据中心。故障发生后,浪潮智能存储G2平台能够在用户无感知的情况下,将数据无缝切换另一个数据中心。
杨涛表示:"浪潮智能存储G2平台双活解决方案能够实现故障零秒切换、零数据风险和零资源浪费的'三零'目标,当单台存储故障时可以实现应用无感知、无缝的切换。基于缓存镜像的数据同步方式,可以实现数据的一致同步,避免了传输时差导致的数据不完整,可以协助用户实现业界较高的业务连续性管理水平。"
浪潮智能存储G2平台双活解决方案的"三零"特性解决了传统灾备中心不能承载业务和业务无法自动切换的问题,同时提供亚毫秒级的响应时间。在电信、金融、政府、交通、能源、医疗等行业用户的智能化业务转型中,提供强大的业务连续性保障,满足企业用户在数据高增长过程中对业务连续性的需求。
浪潮智能存储G2平台的存储双活方案
双活 成为一种习惯
在数字化转型已经全面到来的今天,如何提升系统的稳定性、安全性,做好突发事件的应急预案,已经成为当务之急,这不是部署存储双活解决方案就可以一劳永逸的事情,而是需要从方案到运维、从管理到业务实践都全力以赴的重大事项。
要实现这一目标,企业不仅需要把高频度的"演练"形成"习惯",最好还能够获取存储厂商的专业服务,对企业的业务连续性规划、演练指导和应急处理进行指导,以全面提升企业的容灾能力。
好文章,需要你的鼓励
OpenAI研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。