在Gartner一年一度的对象存储魔力象限中,有三个新来者和一个消亡者。
在Gartner公布的2017年分布式文件系统和对象存储系统魔力象限中,以“前瞻性”和“执行能力”两个维度对分布式文件系统和对象存储厂商进行了评估。四个象限分别是下方的“特定领域者”和“远见者”,以及上方的“挑战者”和“领导者”。
下面就让我们看看2017年10月版的魔力象限,然后是去年的版本。
需要注意的一点是,领导者和挑战者没有太大改变,只有象限内的小幅位置移动。HDS变成了Hitachi Vantara,因为日立的业务部门进行了重组和命名。
Qumulo以远见者的身份进入该魔力象限,HGST和StorageCraft(Exablox)以特定领域者进入象限。
Panasas曾经是在特定领域者象限,现在已经完全消失了。
关于这些新进的和消失的厂商,Gartner是怎么说的?
- Qumulo的业务扩展到了北美之外的地区,现在已经得到了Gartner魔力象限的认可
- HGST ActiveScale已经突破了面向生产客户的限制,现在得到了Gartner魔力象限的认可
- StorageCraft (Exablox) OneBlox产品开发现在覆盖了多种使用实例,这得到了Gartner魔力象限的认可
- Panasas:在2017年的魔力象限中Gartner对入围标准做了修改,仅包括那些可应对多种使用实例的厂商,而Panasas ActiveStor并不满足这一条,因为它只针对商业高性能计算
Gartner分析师认为,到2021年将有超过80%的企业数据保存在企业的横向扩展系统和云数据中心内,高于如今的30%。这对于该领域中的初创公司和新来者是个好消息。
分析师建议我们应该关注特定的一些厂商,因为这些厂商开始在非结构化数据存储市场获得更多关注:
- Elastifile
- 微软
- Hedvig
- Minio
- Nexenta
- Pure Storage
- 浪潮
明年的魔力象限期待看到一些有趣的变化。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。