2020年3月16日-北京忆恒创源科技有限公司(Memblaze)今天宣布推出PBlaze5 920系列企业级NVMe SSD,大幅提升用户体验。PBlaze5 920系列NVMe SSD采用96层3D eTLC NAND,拥有U.2接口2.5英寸硬盘及半高半长插卡两种形态,最高容量达7.68TB。PBlaze5 920系列包括PBlaze5 D920, PBlaze5 C920, PBlaze5 D926以及PBlaze5 C926 4组SKU。

PBlaze5 920系列NVMe SSD提供高达5.9GB/s顺序读带宽和97万读IOPS性能,同时读/写延迟低至90/12μs。凭借卓越稳定的性能,完善的数据保护机制,良好的系统兼容性、使用体验,以及丰富的企业级特性,PBlaze5 920系列NVMe SSD能够帮助企业为其关键业务应用构建高速、高可靠、灵活易用的存储解决方案。
优异的QoS及性能一致性,大幅提升用户体验
PBlaze5 920系列NVMe SSD在4K随机写,从空盘到稳态,以及顺序写和随机写互相转换的状态下,均可实现平滑过渡,全面保障设备性能平稳无大幅抖动。同时,PBlaze5 920系列NVMe SSD还大幅提升了GC读效率,GC整体的执行效率也因此得到大幅提升。
PBlaze5 920系列优异的QoS一致性,帮助客户避免了由于业务访问激增,SSD个别IO处理时间过长,造成部分用户体验差甚至业务中断的风险;同时良好的I/O QoS,为云计算、存储系统整体QoS提升提供可靠保障。
Quota by Namespace, 保证业务IO访问优先级
由于在单一大容量NVMe设备上部署多种不同类型应用的场景与日俱增,此次Memblaze推出的PBlaze5 920系列产品中集成了Quota by Namespace这一全新特性,这也是业界为数不多的拥有该性能的企业级SSD产品。
Quota by Namespace是对NVMe SSD的Namespace 实施Quota操作,并根据应用优先级等选择合适的Namespace,实现应用场景的优化与扩展。通过在Memblaze PBlaze5 920系列上创建不同的Namespace,对负载较低优先级的任务的Namespace加以Quota限制,可以保证高优先级任务的Namespace享有更多IO资源。
在线固件升级,确保关键业务连续不中断
传统固件升级操作需要冷重启服务器,再重新启动业务系统的各个模块,工作繁琐也容易出错。Memblaze PBlaze5 920系列NVMe SSD支持在线固件升级,即使在业务有IO的情况下,也无需重启服务器,就可以完成固件升级,保证了存储系统服务的连续性,并且大幅简化了运维环节,降低了IT系统运维难度以及运维成本。
可变Sector Size管理,灵活的端到端数据保护方案
可变Sector Size(Viable Sector Size,简称VSS),可以在保存用户数据的同时,保存该数据的元数据。Memblaze PBlaze5 920系列支持512字节、4096字节、512+8字节、4096+8字节和4096+64字节Sector Size,即业务应用下发一个I/O,同时可携带8 字节或者64字节的元数据。VSS技术在保证高一致性能前提下,进一步保证存储系统和分布式文件系统对数据可靠性的高要求。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。