既然HPE已经收购并且正在“消化”SimpliVity,那么HPE现在是怎么看待超融合基础设施(HCI)的呢?
特别是HPE带有聚合组件的超融合产品,如何契合HPE Synergy可组合式基础设施的理念?Synergy采用分解的组件,这些组件在运行的时候组合成为各种平台。
我们采访了HPE软件定义和云部门营销副总裁Paul Miller,来探讨HPE的想法。
HPE是否认同HCI将成为本地IT主流架构这一观点?
软件定义基础设施正在迅速成为本地架构的实施标准。HCI属于软件定义基础设施这一类,而这一类覆盖从HCI到可组合的基础设施。
客户正在他们的环境内追求简单性、敏捷性、弹性、安全性和可预测性。每个客户将选择他们自己的路径来满足他们独特的业务要求。对于一些客户来说,这将是100%的HCI。对于其他人来说,他们将混合采用HCI与可组合式基础设施。
HPE是否认为HCI必须拥抱混合IT,并且做公有云的集成?
是的,如今混合IT已经占有一席之地。客户运行的多种云将提供一系列跨公有云和本地基础设施的服务。很多HCI解决方案只是把一个HCI孤岛扩展到单一的公有云。这并不是混合IT。
HPE的New Stack项目提供了一种开放云的方式,面向云中的任何云和任何服务,结合本地HCI以及可组合式基础设施,从而统一了客户的混合体验。
HPE是否认同HCI是一种虚拟SAN、但是容器即将来临?
我们看到,客户希望在他们的HCI环境中既能运行虚拟机也能运行容器。我们与Docker、Kubernetes以及Mesos等容器领导厂商都有密切的合作,我们将致力于在HCI和可组合式基础设施上对容器进行优化。
HCI与可组合式基础设施有怎样的关联?
HCI和可组合式基础设施是软件定义基础设施的一部分。HCI为虚拟化环境提供了简化性、敏捷性、弹性、安全性和可预测性,可组合式基础设施也为裸机、虚拟机和容器提供了相同的特性。注意,可组合式基础设施既能运行软件定义存储也能运行传统SAN存储。
HCI应该是完全采用商用硬件、没有额外的ASIC/FPGA组件?
客户希望得到性能和简化性,他们不会问在Azure中上面运行虚拟机的服务器是否采用了FPGA。最终结果,是要为客户以具有吸引力的价格提供一个整体的解决方案。
微软在Azure服务器中部署FPGA,英特尔以167亿美元收购Altera,GPU市场在过去几年内一直在扩张。HPE SimpliVity采用FPGA来提供像可预测性能这样的独有能力,这一点我们可通过始终在线的重复数据删除和压缩来保证。没有其他HCI解决方案可以保证性能——至少目前是这样的。
NVMe驱动器、NVMe over Fabric和存储级内存(例如Optane,也就是3D XPoint)会给HCI系统带来怎样的影响?
这些技术肯定会影响到HCI市场。HCI系统需要随着技术市场的变化而发展。HPE SimpliVity从第一天开始就被设计成为介质不可感知的,将发展成为一个100%闪存的产品组合,因为这样就会为客户提供最高的价值。随着存储级内存、高速互连以及高速介质持续步入主流,HPE将继续在HCI市场保持我们的技术领导力。
评论
在某种程度上,我们可以将Synergy视为一种在运行中的动态组合式超融合基础设施,然后在不需要的时候将服务器、存储和网络硬件返回到资源池中。
但是,HCI也是对客户在购买、安装、集成、操作和管理服务器、存储、网络以及系统软件各种独立应用堆栈中遇到的各种难题的一个回应。购买一个SKU,对其进行横向扩展,这是对这个难题的一个简单回应。
如果客户能够使用通用商用在组件获得可组合式的基础设施堆栈,理论上,对于HCIA的需求就不复存在。HPE对Synergy完成这一任务寄予厚望。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。