至顶网存储频道 03月22日 综合消息: 今日,华为在其中国生态伙伴大会上发布新一代智能闪存存储,包含全闪存存储OceanStor F V5系列与混合闪存存储OceanStor V5系列,并向合作伙伴与客户重点推荐关键业务智能全闪存阵列OceanStor 18000F V5,旨在通过速度与稳定性并进的领先闪存架构,结合面向未来的云和智能化能力,帮助客户跨入数据业务新纪元。
华为发布新一代智能闪存存储
全新的智能闪存存储面向企业关键应用而打造,在实现业务高可用的同时帮助企业进一步释放闪存潜能,引领全面闪存化、全面云化、全面智能化的数据存储时代。
全面闪存化
作为专为闪存设计的存储系统,华为此次重点推荐的OceanStor 18000F V5从数据面、管理面、运维面实现多维度的设计,可提供稳定1毫秒低时延下的高达600万IOPS(每秒读写操作次数),并取得第三方权威机构SPC组织的性能测评新纪录,满足未来业务发展所需。
作为承载关键业务的存储系统,华为OceanStor 18000F V5不但满足业务的高性能需求,而且匹配闪存的快速高效特性,具备更出色的稳定性。通过RAID 2.0+底层虚拟化技术,能在硬盘组的所有硬盘上并发进行重构,相比传统RAID效率提升20倍,在硬盘容量大幅增加的同时确保存储系统的性能和可靠性;凭借SmartMatrix 2.0增强智能交换矩阵,实现业界领先的单引擎4控全冗余架构;通过最新的Flash-Ice技术,率先将GDT(石墨烯导热技术)运用于固态硬盘散热,并结合闪存系统自身的动态均热算法,让热传导散热能力较传统方式提升500倍,帮助固态硬盘寿命延长20%;此外,结合HyperMetro免网关双活方案,为用户提供7x24小时不中断的业务,以及业务时延小于1毫秒的保障。
全面云化
通过存储即服务(Storage as a Service, STaaS)解决方案,华为新一代智能闪存存储实现云化能力,华为STaaS解决方案帮助企业数据中心整合存储资源,以自助式的服务目录,自动化的操作执行,提升资源利用率,实现按需供给,从而降低存储的使用复杂度,提升数据中心运营效率。
华为新一代智能闪存存储支持企业关键业务上云的专属企业存储服务(Dedicated Enterprise Storage Service, DESS),基于公有云平台,以服务化的方式提供企业级存储服务,支持企业关键业务迁移上云,应用系统无需改造,消除关键业务上云的最大技术瓶颈,保证关键业务数据零丢失,安全可靠。
全面智能化
通过eService智能管理平台,华为OceanStor 18000F V5可通过人工智能和大数据改造存储管理模式,实现业务部署自动化、性能与容量自动适配,以及故障自愈,降低用户数据全生命周期管理的难度。
华为新一代的智能闪存存储不仅全面继承了上一代存储OceanStor V3的全部企业级功能及高可用特性,还通过面向闪存设计的高性能、更进一步的融合特质,为企业关键业务提供更全面的数据管理方案,中、高端档位全面覆盖将进一步扩充华为闪存存储的产品布局,更好的满足客户多样化诉求。
通过不断创新的产品解决方案和重点市场投入,华为持续领跑中国存储市场,根据2017年Q3 Gartner全球存储市场份额报告显示,华为存储在中国市场收入排名第一。基于华为全面的产品和解决方案、开放的生态,客户可以轻松的享受闪存技术革新带来的业务处理能力,为数据中心释放闪存潜能,加速企业数字化转型。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。