随着数据价值在构建新型数据中心的过程中不断凸显,数据安全也就成为数据中心最基本的诉求点之一。为帮助用户高效、高性价比、全方位地实现数据保护,浪潮智能存储G2平台针对不同业务应用需求,提供多种级别的数据保护方案,其双活解决方案具备真双活、易部署、远距离的特点,实现数据零丢失、业务零中断、资源零浪费。
数据资产,如何保障?
某厂商因人为操作错误导致100多万用户数据被误删除、某银行因数据丢失在数月后被迫破产清盘、海啸地震导致大量数据丢失……这些因为自然灾害、人为错误所导致的数据丢失或业务中断事件,时刻都在提醒人们数据中心容灾的重要性。在云计算和数据中心集中化的影响下,数据大集中的同时也面临更大风险,数据中心的可靠性对于业务发展的影响更为强烈,灾难突发时如何保障数据安全、核心业务连续性,成为普遍被关注的问题。
浪潮存储工程师表示:"针对硬件故障、人为操作失误、软件故障等风险,实现数据容灾、应用容灾的方式是多种多样的,发展思路也逐渐从保障数据变成提升业务连续性。传统的主-备的容灾方式曾经是实现系统容灾的主流方式,但是其存在故障切换时间长、资源利用率低、业务存在损失等挑战,且没有做过严谨的容灾演练,在主-备模式下,即使生产系统发生问题,系统切换也存在着很大的业务停顿风险。"
作为能够充分保障业务连续性的解决方案,双活数据中心解决方案得到了普遍的青睐,其以快速故障切换、部署简单等优势得到各行业客户的青睐。双活数据中心涉及到应用、计算、网络和存储等多个方面,其中存储系统双活是双活数据中心最重要的构成。存储双活有基于网络拓扑(网关)的双活、基于存储系统的双活等多种方式。其中,基于存储系统的双活操作简单、对网络环境要求较低,浪潮智能存储G2平台的双活特性(InMetro)正是该类型双活技术的典型实现。
InMetro双活技术,保障业务连续性
浪潮智能存储G2平台双活解决方案采用了InMetro技术,可通过实时数据同步,实现真正双活场景,通过故障快速切换保证业务运行的持续稳定。在某站点发生灾难时,正常站点会接管故障站点的业务。当灾难恢复后,正常站点及时向故障站点存储同步数据,并且重新恢复双活应用架构。具体来说,浪潮智能存储G2平台双活解决方案具有真双活、易上手、远距离等优势。

浪潮智能存储G2平台
不同于传统的Active-Passive阵列双活解决方案,浪潮智能存储G2平台双活解决方案实现两个数据中心同时接收服务器读写IO,同时为上层应用提供业务数据,实现业务负载均衡。当一个数据中心故障时,另一个数据中心自动承载所业务,数据零丢失,业务零中断。更重要的是,故障恢复后,两个数据中心的数据会快速同步,全面保障任何时刻核心业务数据准确性与一致性。

浪潮智能存储G2平台的存储双活方案
真双活还不够,还要好用、好上手。浪潮智能存储G2平台双活解决方案操作简单易部署,有助于提高应用上线速度。此外,服务器与磁盘阵列、以及磁盘阵列与仲裁服务器之间的连接均可使用IP链路,这使得数据中心可在兼容已有网络环境的前提下轻松部署,同时更是节省网络部署费用,降低整体拥有成本(TCO)。
同时,浪潮智能存储G2平台采用的双活技术突破了双活数据中心必须"同城"的物理限制,不仅支持近距离的双活存储系统,而且在满足双活对链路的延时要求下,支持上百公里(最远300KM)的距离的双活数据中心。浪潮智能存储G2平台所支持的8GFC、16GFC、千兆网卡、万兆网卡等多种网卡配置提供了高带宽网络环境的支持,保障数据同步在远距离的条件下仍具有较低的延迟,从而保证"异城"双活的性能。
值得一提的是,相对于网关型双活方案,浪潮G2平台双活解决方案组网简单,主机直接连接存储阵列,无需额外的网关,资源零浪费,降低成本。此外,网关型双活方案中的网关很容易成为性能和可用性的瓶颈,相比之下,免网关的浪潮G2平台双活解决方案IO路径更短,系统性能有保障。
浪潮存储工程师表示:"数据安全是数据中心永恒的课题,其中涉及到各个子系统的高安全、高可用保障。以浪潮智能存储G2平台为基础,浪潮提供了存储双活、云备份等解决方案,给不同类型、不同需求的客户提供了容灾备份服务。未来,浪潮还将继续致力于于容灾备份方面的技术创新与业务模式拓展,与客户并肩保障珍贵的数据资产。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。