近日了解到采用希捷MACH.2 多磁臂技术的硬盘目前多家客户在对其测试以进行数据中心部署。
MACH.2是一项突破性的技术,相对于单磁臂,两个磁臂可以在同一硬盘中独立工作,且IO操作是并行的,因此性能翻倍。在硬盘中,上半部分的读写磁头由一个磁臂驱动,而下半部分由另一个磁臂来主导,每个磁臂负责硬盘总容量的一半。一块硬盘,两倍的IOPS,解决了IOPS/TB的挑战。
MACH.2已经在许多应用中展现了其优势,包括内容分发网络(CDNs)、视频流、邮件服务器、备份/传输服务、大数据分析(Hadoop)以及云应用等等。
微软对采用双磁臂技术的希捷Exos 2X14进行测试
目前希捷捷银河(Exos)2X14采用了MACH.2 多磁臂技术,并且微软已经完成了希捷银河(Exos)2X14首轮功能部署测试。
微软的合作伙伴架构师Aaron Ogus谈到,“随着希捷MACH.2技术的开发,我们和希捷合作以确保MACH.2满足我们的业务需求。我们的目标是MACH.2技术的吞吐量达到目前所配置的单磁臂硬盘的近两倍,而通过测试表明这个目标已经达成。”
云数据中心的空间极为宝贵,因此云供应商努力为诸多应用提升同一插槽的IOPS。
MACH.2硬盘将被部署用以支持微软所有的云解决方案服务(CSP),包括Azure和Exchange——而这些程序已经充分共享了空间。而微软希望降低插槽成本,成本的降低依赖于占地空间、电力以及散热等各种因素的共同作用。随着客户发现所安装硬盘的IOPS持续走低,他们不得不另想办法,比如增加双磁臂硬盘。
微软不断调整Exchange架构以最大化服务器吞吐量。希捷的MACH.2技术允许Exchange在持续部署更大容量硬盘的同时,保持服务水平协议的低延迟。希捷支持微软部署14TB希捷银河2X14这种更大容量的硬盘,而希捷MACH.2技术帮助微软既获得了所期待的系统容量,同时也足以支持Exchange的数据吞吐量。
如果部署采用MACH.2技术的Exos 2X14硬盘。数据中心可以为每个插槽安装一块14TB双磁臂硬盘。对于应用来讲,这和两块7TB硬盘所带来的高吞吐量非常相似,区别是装置在单个插槽。
希捷与微软携手开发MACH.2技术,满足云计算应用所需
希捷首批希捷银河(Exos)2X14双磁臂硬盘的设计与特性直接响应客户的需求。在MACH.2多磁臂技术的整个研发以及推出过程中,微软一直以紧密合作伙伴的身份参与其中。
希捷全球云应用销售负责人Chris Hensley称:“在MACH.2技术发展中,我们和微软一直在数据中心领域密切的合作。从最初设想阶段到现在,他们一直都给予极大支持。在与微软不断沟通如何解决他们IOPS/TB问题的过程中,我们的MACH.2多磁臂架构得以发展。”
Borden表示:“整个过程中,微软一直伴随我们左右,我们也让他们参与到每个环节,并从早期的硬盘样品开始,我们一直受到他们启发。微软在架构初期就与我们合作,确保我们的设想能够转化为他们后期的部署。这也一直是开发MACH.2架构第一次迭代的关键,采用双重LUN SAS——适用于微软数据中心架构且合理反映其他大型云计算用户的需求。”
随着希捷银河(Exos)2X14双磁臂硬盘的不断推进及发展,硬盘家族将呈现不同规格和属性,以满足各种企业用例。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。