当下,公有云服务(Public cloud dispersion)需要符合GPDR(通用数据保护条例)的数据本地性限制,而对象存储的寿命也越来越复杂,因此,两者结合在一起就更增加了产品和管理的复杂性。
SwiftStack在这样的背景下更新了旗下的开源对象存储产品,推出了公有云归档、同步和多区域数据管理等功能。据悉,SwiftStack 5.0版是今年3月推出的,内置的Cloud Sync是一种从公有云往内部或从内部往公有云迁移数据的复制机制。
SwiftStack 现在的版本是5.9,是今年的第二个重要产品更新,5.9版增加了新的选项,可在单命名空间里使用多区域数据持久性和策略,同时还可以为数据本地性提供由GPDR驱动的选项。
其中,Cloud Sync工具具有政策驱动功能,可用于公有云归档和内部部署数据补余,此功能可以使归档数据在接到请求时在内部部署基础架构里进行自动补余。
另外尚存在类似Stubbing的形式。 SwiftStack会将冷数据自动送到公有云里,该数据仍可通过命名空间列表中的图标从单命名空间中访问,数据会从远程标为静止。而在数据被访问时,则会被送返到本地。
V5.9版现在提供多区域擦除(Erasure)编码。 SwiftStack表示,奇偶校验位不再扩展到所有可用区域,而是"使用每个区域的节点,在每个全局位置保持数据完整。这样做能在某个服务器节点脱机时可能使数据的可用性能得以保持,因此可以在请求或重建的情况下减少从其他地区传输大量数据的需要。"
公有云数据的放置现在可以更精确地得到控制,因为管理员"可以在每个区域中指定应该保留多少个数据副本,也可以根据分层策略指定每个区域内哪些节点用于存储数据,分层策略则可以将高容量节点和具有固态驱动器的低延迟节点结合起来。"
SwiftStack还称,"如果某个地区宕机或是必须移动某个应用程序,数据访问可以在其他地区的节点上自动完成,不需要任何更改。传统应用程序可以通过文件服务从单命名空间里访问和使用相同的数据,云应用程序则可以通过对象API执行此操作。"
传统应用程序需要与云应用程序共存及需要朝云应用程序转化,在此背景下,GPDR数据放置的粒度控制遇上了多区域、多云归档的需要性。其结果就是SwiftStack的生计会变得更加复杂。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自首尔国立大学的研究提出了状态机推理(SMR)框架,解决了大型语言模型在信息检索中的过度思考问题。研究者将推理过程从冗长的令牌生成转变为离散动作(精炼、重排序、停止),使系统能够高效地在状态间转换。实验结果表明,SMR在BEIR和BRIGHT基准测试中显著提高了检索性能,同时减少了74.4%的计算资源消耗,证明其在不同语言模型和检索器中的通用性。这种结构化方法不仅解决了冗余轨迹和误导性推理问题,还为构建更高效的信息检索系统提供了新思路。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
REASONING GYM是GitHub团队开发的一个突破性推理环境库,为强化学习模型提供可验证奖励。与传统固定数据集不同,它能生成无限训练数据并调整难度,涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示,即使顶尖AI模型在复杂任务上表现也不佳,而专门针对推理训练的模型明显优于通用模型。更重要的是,在一个领域学习的技能可以意外地迁移到其他领域,这为提升AI推理能力提供了新路径。