如今,许多企业发现其现有数据管理和保护解决方案难以跟上其需求变化的步伐,而促使需求变化的原因多种多样——可能是容器或Kubernetes增添的全新工作负载,或是企业云策略调整带来的相应改变,亦或是新出台的数据法律法规对数据管理提出更严格的要求,甚至是近期发生勒索软件事件造成的恐慌等等。无论何种原因,企业不得不重新审视其现有的数据管理和保护解决方案。
据Gartner预测, 40%的企业将在2022年之前更换其在2018年初部署的数据备份应用。也就是说,数据备份解决方案与应用的更换已成为许多企业共同关注的焦点。Commvault认为,无论是选择维持现状还是更换备份解决方案,企业都应当从以下几个关键方面入手。
1.自动化
企业IT环境越来越复杂,然而企业并没有更多的时间或人力能够与之抗衡。因此,企业需要能够有效应对复杂性的解决方案,帮助其简化IT运营的过程。而自动化就是其中的关键。
2.灵活性
您现有的解决方案是否能满足您的需求?数据管理方式又是否受到了特定供应商的局限?企业需要选择适合自身的解决方案,而不是被迫接受某个特定解决方案提供的特定数据管理方式。企业需要确保有关数据策略、保留或行为等方面的任何决策或配置都能按需更改。如同复杂性一样,不断改变也是当今业务和数据环境的重要特征之一,因此企业必须掌握必要的灵活性。
3.成本模型
“钱要花在刀刃上”,即企业花费的成本要能达到其期望的效果。市面上有很多数据管理和保护解决方案及服务,企业应当根据自身业务及财务状况,通过缜密的调查和评估选出最适合自己的解决方案。
4. 可扩展性
可扩展性不止是规模的扩大。企业需要一个支持向上扩展和向下扩展的解决方案,以适应不断变化的数据管理需求。云中运行永久性计算会大幅增加成本,因此可扩展性对评估云中数据和工作负载尤为关键。企业需要能够按需增减资源的弹性,以灵活匹配企业需求。此外,可扩展性还意味着能够根据企业全新的技术和业务需求而扩展相关特性或功能,也就是企业要思考能否在无需全盘推翻的前提下轻松地添加新功能。
重新评估现有数据管理解决方案时,企业必须要全面而谨慎地思考,无论是维持现有方案还是更换新的解决方案,都需要确保能满足企业及其利益相关者的需求。作为数据管理、保护和恢复领域久经验证的领导者和创新者,Commvault可以为企业重新评估现有解决方案的过程出谋划策,帮助企业轻松适应瞬息万变的业务和数据需求。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。