我们和很多人谈到了英特尔的Ruler SSD和三星“迷你Ruler”SSD,其中我们从Infinidat那里得到了一些有趣的观点。
我们本来想,因为Infinidat 使用磁盘提供大容量存储,并且说你不需要全闪存阵列来获得性能,所以我们可能根本不会从Infinidat 那里得到回复。
但我们错了,我们从Infinidat 公司EMEA地区首席技术官Eran Brown那里得到了一个有趣的观点。
Brown首先总体介绍了Infinidat对闪存的看法,然后谈到了我们提出的问题。
Infinidat的InfiniBox很大程度上依赖于SSD的缓存/性能等级,而且Infinidat将大量精力投入到将合适的数据放入RAM和SSD中以实现低延迟的软件中。
Brown说:“我们唯一的反对全闪存是‘全’这个部分:我们坚信,企业级闪存和近线SAS之间的价格差距不会随着时间的推移缩小到9:1以下,因此闪存必须用于实现性能,而不是用于保存所有数据[因为这是浪费]。”
问:在容量、空间密度和功率效率方面,您认为这些格式与现有的2.5英寸闪存驱动器格式相比如何?
Eran Brown:我认为一旦标准化,这些新格式将有助于降低每TB成本,提高密度。他们将需要新的数据布局架构来应对它的“爆炸半径”。
问:您是否设想将其用于JBOF、存储阵列、超融合系统以及/或者普通服务器?如果是的话,您能描述下是以何种方式吗?
Eran Brown:我认为从长远来看,所有的用例都是可能的,但如果不付出相同的努力——因为这些努力会转化为上市时间——企业是否真的追求这个目标?
1、作为DAS使用,这是最省力也是上市最快的途径。这种方法将被用于为一台服务器(三星)或者多台服务器(英特尔)提供大量的闪存空间。
2、作为封装使用,这需要改变数据布局,需要更多的努力和上市时间。这个努力很可能将围绕数据布局和硬件处理展开的,但也涉及到其他方面。
问:具体来说,你认为英特尔的Ruler格式在服务器中是扮演一定角色的?
Eran Brown:是的,它解决了分布式集群中节点的闪存大容量问题。没有太多的集群需要这么大的容量和闪存,但是由于特定的大数据挑战,可能会有一些用途。这些集群可能使用分布式、基于副本的数据布局,这会提高采用这种规格的价格,从而进一步限制了实际部署的适用性。
问:这同样适用于三星的迷你Ruler格式吗?
Eran Brown:目前三星的方法似乎是用于服务器内部,所以CPU与TB的比例是相当有限的,也许一台配置了一个GPU的双路服务器智能提供这么多的性能,这就引出了一个问题,这对一台服务器来说是否容量太大了?
我认为还是有一些使用实例的,客户可以简单地在服务器内放置较少的Ruler模块来降低这个比例。同样地,在外部的用途比较有限,可能有些客户会用到。
问:你认为这些新的驱动器格式将使用NVMe接口、而不是SAS和SATA吗?为什么?
Eran Brown:NVMe(NVMe-oF)是一个很自然的选择,因为这种新的闪存格式没有理由去采用较慢速的接口。这也是阻碍了客户采用的一个原因(因为大多数客户仍然认为NVMe是太前瞻了,缺乏一些功能性)。例如,多路径还处于早期阶段。
问:你如何看待三星在其迷你Ruler SSD上实施对象存储?你认为这有用吗?
Eran Brown:我认为这里涉及两个方面:性能和功能。
性能取决于[三星]对象存储的有效性。如果通过采用字节寻址设备和增加对象存储降低了延迟,那么这将是一个不错的选择。
我只能假定三星的功能将落后于对象存储厂商提供的功能——我认为多租户就是一个明显的例子。所以目前还不清楚哪些用例会在什么时候适用,因为功能可能会随着时间的推移而扩展。
评论
所以这里我们没有看到Infinidat关于采用这种类型闪存驱动器的明确信息——这不是我们所期望的。关于“爆炸半径”的观点很好,我们认为,可能需要某种形式的限制。
同样,关于三星实施对象存储的观点看起来很强烈,与其他驱动级别的对象存储方案(如OpenIO)一样,采用这些方案将需要可靠且可证明的用例好处。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。