NetApp公布了一项真正的存储优势:ONTAP全闪存阵列(使用博科设备)将全面支持基于光纤通道的NVMe-over-Fabrics(FC-NVMe)。
NetApp还发布了更快的闪存阵列,更深入的公有云和私有云集成,以及对象存储方面的更新。
NetApp声称现在自己拥有第一款企业级端到端NVMe平台(即使在取消DSSD之后也是如此)。这意味着NetApp将力推自己的NVMe赶超Dell EMC、Nimble、Kaminario和Pure Storage,并且赶上IBM,与其基于FlashSystem InfiniBand的NVMe-over-Fabrics针锋相对。
NetAp通过一个面向现有博科光纤通道全闪存阵列的ONTAP软件升级来支持FC-NVMe。
A800
A800是AFF系列全闪存阵列中的新的高端产品,A220则是作为高容量入门级系统推出的:
这里把A200的参数也放进来作为参考。与A700和A700相比,A800支持NVMe SSD,内容容量高出25%,据称在延迟小于500微秒的情况下可提供130万的IOPS,每个群集读取吞吐量可达300GB /秒。
据称A220比A200快30%,DRAM增加了3倍,同时SSD数量也增加了3倍。
从A220到A800s,在NAS横向扩展形式下支持的节点数从2一直到24个节点(12个HA对),在SAN横向扩展形式下支持2到12个节点(6个HA对)。A200在NAS横向扩展形式下支持2到8个节点,SAN横向扩展形式下也是有限的。
ONTAP v9.4
最新版本的ONTAP提供了FC-NVMe支持。NetApp存储系统和软件执行副总裁Joel Reich表示:“有了ONTAP 9.4,你可以升级可选的AFF型号以支持FC-NVMe,如果你已经在使用博科第六代交换机的话。FC-NVMe运行更高效,可提供更高带宽和更多IOPS,并且与标准的基于SCSI的FCP相比,延迟更低。”
ONTAP 9.4还增加了对30TB SSD、多通道SMB和更多后端公有云集成的支持,可以将本地存储中的冷数据迁移(分层)到Azure和AWS以及本地对象存储(如NetApp的StorageGRID Webscale),然后再返回。
客户可以在不停机的情况下从ONTAP 8.3升级到9.4。
从Data ONTAP 7-Mode进行过渡需要一个7-Mode Transition Tool (7MTT),以及无复制转换(CFT)等最佳实践。
NetApp表示,从第三方存储到ONTAP 9.4是有直接导入流程的。
公有云
NetApp的Cloud Volumes技术已从AWS和Azure扩展到了Google Cloud Platform。查看下面的视频,了解如何使用它在AWS中创建卷并填充它们以供AWS计算实例使用。
表格
这些卷可以自动保持与本地卷同步。此外,NetApp还推出了FabricPool,可以将冷数据从主存储自动分层到AWS和Azure。Active IQ则是一项基于云的分析服务,可预测未来的性能需求,并找出未受保护的数据以优化操作。
对象存储
NetApp在2月悄然透露SG5700 StorageGRID Webscale设备之后,正在紧锣密鼓地为这款产品准备丰富的功能。
SG5700的硬件与去年推出的SG5600相差不多,有相同的两种尺寸——4U x 60驱动器和2U x 12驱动器——并且都支持4TB、6TB、8TB和10TB的磁盘驱动器,最大原始容量都是600TB和120TB。而且,除了现有的10GbitE网络之外,还增加了25GbitE方面的支持。
SG5600要求安装StorageGRID Webscale软件的10.4版本,而SG5700要求v11.0版本。NetApp称,这具有擦除代码,带有动态磁盘池。
评论
使用Plexistor技术支持NetApp存储级内存(SCM),这仍然是还有发展前景的。
NetApp声称,用户通过使用FC-NVMe可以将AFF A系列系统的工作负载增加60%,或将应用响应时间缩短一半。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。