微软今天宣布在三个云区域推出新的Azure Ultra Disk固态硬盘存储服务。
Azure Ultra Disk是微软所谓的下一代分布式块存储服务,旨在满足高吞吐量和高IO Azure虚拟机的需求,目前在美国东部2、北欧和东南亚地区可用,稍后还会在更多地区上线。
微软在一份文档中称,Azure Ultra Disk服务是“数据密集型工作负载(如SAP HANA、等顶级数据库和交易繁重的工作负载)”的理想选择。
微软Azure首席技术官Mark Russinovich在博客文章中表示,Ultra Disk提供了4GB到64TB的多种存储容量选项,用户还可以定制吞吐量要求,范围从每秒300Mb到每秒2000 MB,IO操作可设置为每秒1200到160000 IOPS。
Russinovich说,能够自定义这些设置的一大优点是用户可以根据工作负载要求动态扩展磁盘性能,而无需重启虚拟机。设置可以即时调整,不到一个小时即可生效。
他解释说,Azure Ultra Disk利用本地冗余存储在单个Azure可用区中保留三个数据副本。此外该服务还采用了“虚拟磁盘客户端”技术,提供磁盘映射的元数据。 Russinovich说,客户端通过这种元数据可以直接与存储服务器通信,从而减少延迟,并提供与企业级闪存磁盘阵列相当的性能。
Azure Ultra Disk的价格是按小时计算的,费用取决于具体的磁盘大小和性能配置。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。