近日,至顶网记者走进闪存初创公司中存超为(leadstor)。与公司创始人、CEO兼首席科学家沈杰博士进行了交流。
闪存初创公司中存超为的CEO曾在美国硅谷工作16年,先后就职于硅谷5家高科技公司,拥有10余项美国专利。在硅谷创新精神的促动下,更因为预见到中国自主研发闪存未来在存储领域的重要性和引领性,于2015年毅然回国创业,进军闪存存储领域。
沈杰认为闪存的出现带来了的是一次存储系统新革命。沈杰把闪存对于新一代IT基础设施的作用,比作如今高铁对于交通行业的作用。今天高铁成为人们的重要出行工具,它与其他已经普及的交通工具汽车、飞机等相比较,高铁有自己的特点:载客量高、快速省时、安全性好、正点率高、舒适方便、能耗低......而全闪存同样具有相对应的特点:高IOPS、大吞吐量低延迟、数据安全、可靠性(5个9)、简化IT管理、智能化系统监控、趋势预测体积小、省电、TOC低等。
中存超为将于2018年正式推出基于NVMe的全闪存阵列,记者不禁有疑问,闪存谈了很多年了,如今也有很多存储厂商和闪存初创公司,那么中存超为如何实现技术上的领先?
沈杰博士一一解开了至顶网记者的疑问。因为中存超为推出的新一代闪存将采用基于NVMe的全闪存阵列,并且采用自主研发的有着国际领先水平的全闪存存储系统。该系统有着更先进的RAID算法、高效的文件管理系统、更可靠的控制逻辑、重复数据删除、支持多种高速接口、更强的扩展性。
新产品根据NVMe闪存的特点优化软件系统,支持内存调度、数据快照、自动精简、负载均衡、数据备份、数据压缩等功能,这些正是中存超为技术上的领先。新产品一面世将会达到世界领先水平。
该新产品预计在2018年正式面向市场。而在新产品上市之前的空白期,为满足当前用户对于核心业务和云原生业务的需求,中存超为推出混合型闪存阵列LS1000 中高端双控企业级存储系统,该产品通过闪存加速,解决了传统存储的 IOPS 瓶颈及高延时问题。在此基础上还推出了云融合技术,满足了企业在传统架构和云原生环境下的需求。
混合型闪存阵列LS1000是如何满足双模IT环境并进行云融合的呢?
沈杰博士告诉记者,现行的企业的业务会持续运行在双模式 IT 环境下,而在双模式环境中,核心应用和云原生新应用往往处于相对独立状态,这使得传统核心应用和云原生新应用架构分离,从而在传统应用和新应用之间形成新的数据孤岛。LS1000推出的云融合技术,连接传统和云原生环境,既保证传统架构下, 核心应用高性能、低延迟稳定安全,又满足大数据、物联网为代表的新应用的快速响应,易扩展,高弹性的 IT 需求。
LS1000具有高性能、高可靠和容量缩减等特点。通过写优化顺序数据布局、基于固态闪存的动态读缓存以及写时重定向(ROW)来实现系统的高性能;采用双控制器架构;双电源、双风扇,各部件均采用冗余模 块化设计;创新的写数据缓存备份技术,在系统掉电后将缓存数据写入NVDIMM中,保证数据不丢失;改进的RAID6算法;自动纠正无记载数据损坏;元数据镜像保护; 全路径数据块校验来实现高可靠。通过存储池代替传统“卷管理” ;动态分配容量的精简配置;数据在线压缩 ;重复数据删除(全闪存配置下);写时重定向(ROW)来实现容量缩减等。LS1000为避免写磨损 ,特别是针对闪存进行了优化,通过采用非易失性存储器(NVDIMM) 代替闪存作为数据写入磁盘的专用内存通道。避免写放大。同时LS1000支持把冷数据自动加密上传到云端,保证了用户数据的可靠性和私密性。
最后,沈杰博士也对于中存超为未来发展的进行了展望。中存超为虽然目前只是个小的初创企业,但其最大的优势就是拥有自主研发的存储软件系统软件,包括新一代基于NVMe的全闪存阵列。在全球倡导自主研发的时代潮流下,沈博士坚信这样有自主可控的存储产品的企业在未来市场中必将会成引领者。
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。