Kumoscale软件以虚拟方式实现对NVMe闪存驱动器的光纤访问能力。
惊喜,惊喜——闪存芯片与SSD制造商东芝公司已经公布其NVMe光纤访问闪存阵列软件。这葫芦里卖的是什么药?
NVMe over Fabrics(简称NVMe-oF)阵列当中包含大量NVMe闪存驱动器,并接受运行在服务器上的各类应用程序的访问。这些应用会将该阵列视为多块本地NVMe访问的PCIe连接SSD。但事实上,应用所访问的实际上是通过远程直接存储器访问协议接入的远程NVMe SSD。这套方案能够实现极低的理论访问延迟——举例来说,E8阵列的写入延迟平均为50微秒。
在简报会上,东芝方面表示KumoScale是一款用于实现NVMe-oF存储网络目标端的软件产品。东芝通过下图展示了其具体组成:
可以看到一台服务器机架接入一套闪存驱动器阵列,KumoScale软件则运行在数据路径当中。其负责对SSD进行虚拟与抽象化处理,从而将其转化为单一容量巨大的SSD。
该软件通过其RESTful API同数据中心编排框架——例如Kubernetes、OpenStack、英特尔RSD以及联想XClarity等——实现集成。
联想集团数据中心事业部执行董事Chris Verne表示:“我们最近与KumoScale软件解决方案开展了合作,展示了其在联想平台上的运作能力。我们将东芝的这款软件解决方案视为一项关键性创新,将能够为未来的NVMe-oF产品带来更出色的灵活性与执行效率。”
东芝方面发布的演示资料当中提到,Kumoscale包含以下特点:
我们了解到,东芝公司为其设定了闪存容量限制——384 TB,而KumoScale则运行在一台Linux x86服务器上。此外,任何行业标准NVMe服务器平台都可以被其转化为一套共享式块存储设备。
引入KumoScale所带来的的数据访问延迟增量不超过20微秒(4K数据块)。
更多性能数据:
零容量浪费强调的是其所替代的原DAS产品,原本的DAS SSD往往存在容量空置问题。不过KumoScale并不存在这样的问题,东芝方面表示其SSD容量都将被纳入资源池且进行共享。
东芝公司在去年8月首次公布这款软件,当时我们写道:“该软件能够对物理SSD细节进行抽象化处理,从而将任意规模及性能的虚拟命名空间分配给任意计算节点,最终令NVMe-oF更好地实现云数据中心部署。”
KumoScale主要面向以云为中心以及各类超大规模——即一次性购买5000台服务器以上——的客户群体。东芝公司告诉我们,这款软件能够帮助客户轻松通过网络提供产品或服务,并从容应对需求峰值情况。原本,客户必须购买大量设备(服务器+DAS)以应对需求峰值; 而在峰值结束之后,多余的设备将被闲置。在KumoScale的帮助下,共享NVMe闪存设备将被作为一台联网存储节点,客户则可在不存在闲置问题的前提下获得必要的性能。
东芝公司不会推出硬件+软件产品。相反,其将与客户的首选服务器供应商合作并对后者的硬件作出认证。客户的供应链将通过东芝支持下的KumoScale实现。
这款软件由东芝公司旗下Oded Ilan总经理领导的以色列存储设计中心负责编写。
2013年12月,深陷困境的SSD供应商OCZ以3500万美元价格将自身出售给东芝公司。OCZ的资产包括位于特拉维夫的研发中心,该中心主要负责研发微控制器与软件。而KumoScale软件正是OCZ在2012年1月收购Sanrad所获得的服务器闪存缓存虚拟化软件的拓展产物。
OCZ是从RAD数据通信公司手中买下Sanrad的。Oded Ilan于2008年7月开始担任RAD公司北美总裁,随后出任Sanrad公司CEO。接下来他进入OCZ,目前则负责运营东芝的以色列存储设计中心。
KumoScale与Portworx相集成,后者负责对Kubernetes存储资源进行动态配置,并将其分卷运行在由KumoScale提供的目标命名空间之上。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。