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
华硕Ascent GX10 GPU采用了最新的Blackwell架构,这一架构针对Diffusion模型和Transformer等主流AI模型配备了专门的加速单元。
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
探索Mac终端中鲜为人知但实用的命令技巧,包括快速设置闹钟、检查电池健康状态、查找WiFi密码、清理下载记录以及自定义截图设置等。这些命令能显著提升安全从业者的工作效率,从Touch ID认证到网络管理,涵盖多个实用场景。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。