2019年刚开始,新华三举办了主题为“开年见三”的存储新品发布会。针对未来海量数据存储、智能存储、闪存、数据保护等重点领域,新华三发布了3PAR系列、UniStor X10000、StoreOnce等产品的升级和更新。
智能InfoSight驱动的3PAR智能存储
2019年,3PAR不仅将NVMe协议与SCM全面合为一体,让闪存性能发挥到极致,同时还全面集成了与人工智能相结合的运维系统功能和特性。
提升闪存性能方面,新华三采用了NVMe SCM(Storage Class Memory)技术Intel Optane存储级内存产品,英特尔傲腾技术是基于3D Xpoint闪存颗粒介质以及英特尔快速存储技术结合而成的持久性内存技术,其技术点是是介于DRAM和NVME之间的一个非易失性存储。能实现IO的极低时延,同时确保掉电不会丢数据。新华三是首批采用NVMe SCM技术用于全闪存储的存储供应商,现场新华三存储专家分享到,新华三在Oracle数据库环境下的测试显示,采用全闪存阵列,3PAR的时延为0.338ms。采用最新的SCM技术,时延达到0.161ms,能再次降低至少52%。
新华三存储专家介绍了InfoSight的特性:
一是基于人工智能技术的预测和分析,可以实时查看整个存储系统每个部件的状况和性能,实现对存储整体容量和性能做出评估和预测;
二是针对虚拟机进行更精细的评估,可以细粒度的甄别每个虚机的带宽、IOPS及时延等,实现故障源的精准定位;
三是以机器学习驱动的推荐引擎大数据分析算法,收集到故障信息后会上传至云端进行机器学习和智能分析,实现故障特征推送,避免出现相同的问题。
在此基础上,新华三引入创新的饱和值概念,进一步简化用户运维的难度。每一个存储设备均可以通过自身的配置、业务压力、业务类别等信息并结合存储的带宽、时延、IOPS及容量计算出一个具体的数值,此数值即是当前存储的能力“天花板”,并通过计算分析给出当前业务下的饱和值占比。
InfoSight通过3PAR提供强大且功能丰富的智能管理和维护功能,实现对客户更深层次的洞察整个存储的性能。
为海量存储量身打造的UniStor X10000
2018年,针对海量存储,新华三自研的X10000的增长超过400%。让新华三对于海量数据存储市场有了极大的信心。进入2019年,新华三力推第三代H3C UniStor X10000 G3海量存储系统,该系统是新华三技术有限公司自主研发的新一代全对称分布式存储。发布会现场,新华三专家谈到X10000 G3能够在一个平台同时支持块、文件、对象存储能力,同时实现系统的性能及容量随节点数增加呈线性增长。同时X10000 G3结合SDS存储能够实习定制化的软硬件一体化平台,通过定制化可以很好的适配到不同行业的业务应用之中;真正的融合架构,融合了块、文件和对象,以及丰富的存储管理功能;全生态对接,无论是数据归档/检索、第三方运维管理,还是视频分析类应用,新华三SDS都将与ISV合作伙伴进行全生态结对。
X10000 G3系统拥有卓越的性能、超强的拓展能力、高可靠高可用以及易维护等特性,单文件系统可支持最大288个节点的集中部署,单一命名空间可存储超过100PB存储容量,面向政府、金融、企业、运营商、广电、教育、医疗、交通等各行业用户提供高效可靠易管理的存储资源池。
针对多云数据管理趋势推出StoreOnce融合备份产品
今天,数据是所有的企业,所有的客户最为关键的资产。因此数据需要得到最好的保护。新一代StoreOnce融合备份功能全面增强,让数据备份更简单、更快捷。满足多云时代数据的备份需求。新的StoreOnce,能够实现简化运维、重删以及灵活性。
第一, 方面简化运维,新华三专门针对于运维做了独特的优化。
第二, 今天海量数据不可能每天产生的数据都进行备份, StoreOnce可以做到一比二十的重删,存储效率提升20倍。
第三, 灵活性,而针对于实现服务级别的协议,通过软件定义帮助客户去解决一些它不愿意去(独立)的硬件设备,今天推出的StoreOnce直接在客户现有的服务器上去装软件定义的产品就可以实现。
新发布的StoreOnce,还可以支持亚马逊中国和(微软)中国两种云,也测试了腾讯云、电信云,只要是标准的对象接口的存储,目前StoreOnce都可以做到的。
通过经过StoreOnce性能相比传统产品,整体的备份速度提升三倍,网络的占用率降低95%。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。