传统数据中心资源的平均利用率只有15%,通过服务器虚拟化,单台物理服务器可运行多个虚拟机操作系统,提高了服务器的利用率。但虚拟机的增加也对存储系统和维护存储系统的管理员带来严峻挑战。最直接的表现,增加了相应的存储采购成本。为了应对这一困境,联想超融合整合了应用程序、虚拟化以及标准服务器上的存储,从而消除了对存储阵列的需求并实现软件定义数据中心的愿景。被誉为“虚拟化的经典架构”。
关于服务器虚拟化
服务器虚拟化可以提高资源的利用率,简化系统管理,实现服务器整合,降低能耗,节省空间,节约成本。这些优点源于服务器虚拟化的技术特性,“服务器虚拟化是将服务器物理资源抽象成逻辑资源,让一台服务器变成几台甚至上百台相互隔离的虚拟服务器,或者让几台服务器变成一台服务器来用,我们不再受限于物理上的界限,而是让CPU、内存、磁盘、I/O等硬件变成可以动态管理的“资源池”,从而提高资源的利用率,简化系统管理,实现服务器整合,让IT对业务的变化更具适应力。”
一个简单的事实是在全球数据中心中只有大约50%的服务器被虚拟化。
什么在阻碍服务器虚拟化
数据中心成本节约的主要技术之一就是服务器虚拟化,它将适用于70%的工作负载。在日渐庞大的数据中心中,引入虚拟化技术,采用集中化、策略化的管理来实现对不同应用的整合管理,已经成为运营商优化IT系统的重要工具。
服务器虚拟化可以带来明显的成本节约,但是需要支持它的存储系统称职才行。服务器虚拟化使得虚拟机的创建变得快速和容易,不过这也导致虚拟机的泛滥和那些不再需要或使用的虚拟机仍然在消耗存储资源。假设某企业在服务器虚拟化上每花1块钱,在存储上可能就要花2到3块。
所以说阻碍服务器虚拟化的一大原因是,服务器虚拟化给存储系统和维护存储系统的管理员带来的严峻挑战。
这些阻碍已经超出单一的虚拟化技术,而是相配套的IT架构、应用环境搭建无法满足的问题。所以才有了超融合IT架构的出现,比如联想超融合的技术产品被企业级客户誉为“虚拟化的经典架构”。
虚拟化的经典架构
联想超融合H3000创新性的通过软件对来自多台集群服务器的存储资源进行整合,将其池化形成一个全局命名空间并提供高级的企业存储功能。该汇聚存储池可以作为虚拟化集群唯一的共享数据存储。联想超融合产品整合了应用程序、虚拟化以及标准服务器上的存储,从而消除了对存储阵列的需求并实现软件定义数据中心的愿景。当然,联想超融合数据存储可以与其他数据存储并存,以提供投资保护。
联想超融合率先在集团内部应用邮件系统,实践证明其承载能力卓越。联想集团全球拥有10万个邮箱,每个邮箱500MB,按照审计需求所有的员工邮件都需要保留8年。按照每人每个月归档一次,每个用户每年需要的存储是6GB。10万人一年就需要60TB存储,8年共需要480TB存储,如果包括备份,至少需要960TB。还需要将每个员工的邮箱扩容成为2GB,采用传统的架构将面临成本、扩容及运维的多重压力。
应用之前的困境
1.成本投入高昂。传统存储的采购成本高昂,更换硬件时软件授权无法转移继续使用;
2.无法进行模块化升级。系统扩容复杂且成本高昂;
3.运营成本高。分别需要存储专家、虚拟化专家和Exchange的部署使用专家进行系统运营。
一体化交付、30分钟快速部署
最后联想集团采用多个超融合节点进行邮箱系统重建,该解决方案部署十分方便,在一天之内,他们就完成了系统的安装、调试和上线,而且联想超融合解决方案的操作界面与普通虚拟机的操作界面类似,没有额外的学习和管理成本。
好文章,需要你的鼓励
英特尔第三季度财报超华尔街预期,净收入达41亿美元。公司通过裁员等成本削减措施及软银、英伟达和美国政府的大额投资实现复苏。第三季度资产负债表增加200亿美元,营收增长至137亿美元。尽管财务表现强劲,但代工业务的未来发展策略仍不明朗,该业务一直表现不佳且面临政府投资条件限制。
美国认知科学研究院团队首次成功将进化策略扩展到数十亿参数的大语言模型微调,在多项测试中全面超越传统强化学习方法。该技术仅需20%的训练样本就能达到同等效果,且表现更稳定,为AI训练开辟了全新路径。
微软发布新版Copilot人工智能助手,支持最多32人同时参与聊天会话的Groups功能,并新增连接器可访问OneDrive、Outlook、Gmail等多项服务。助手记忆功能得到增强,可保存用户信息供未来使用。界面新增名为Mico的AI角色,并提供"真实对话"模式生成更机智回应。医疗研究功能也得到改进,可基于哈佛健康等可靠来源提供答案。同时推出内置于Edge浏览器的Copilot Actions功能,可自动执行退订邮件、预订餐厅等任务。
纽约大学等机构联合开发的ThermalGen系统能够将普通彩色照片智能转换为对应的热成像图片,解决了热成像数据稀缺昂贵的难题。该系统采用创新的流匹配生成模型和风格解耦机制,能适应从卫星到地面的多种拍摄场景,在各类测试中表现优异。研究团队还贡献了三个大规模新数据集,并计划开源全部技术资源,为搜救、建筑检测、自动驾驶等领域提供强有力的技术支撑。