云计算像水和电一样,成为数字经济时代不可或缺的基础设施。怎样让云更稳更快?如何构建高效全能、灵活易用、稳定可靠的基础设施?这是云计算提供商思考的首要问题。
为此,腾讯云和希捷一直在紧密协作,引入新品、联合测试、验证优化,通过构建可靠的基础设施,为数据价值的深度挖掘和激活打下稳健根基。
具体说来,针对腾讯云自研服务器的研发、测试,数据的保护和恢复、硬盘的固件定制与健康管理等方面,双方共同携手,保持着紧密的技术沟通,共同打造稳定、可靠、高可用、可扩展的数据存储方案。
充分测试腾讯自研服务器,提升系统可靠性可用性
伴随腾讯云业务规模的快速增长,基础设施架构与运营成本面临重大挑战。自研服务器对腾讯云的重要性不言而喻。腾讯云自研服务器专注于腾讯独特的应用需求,在散热、功耗、性能、成本等方面相较标准化服务器均有一定差异。
在腾讯云自主开发的服务器产品投入使用前,双方就针对服务器样机,导入希捷银河系列企业级硬盘进行测试。联合实验测试关注硬盘在系统层面的表现,针对兼容性、抗震性、性能、可靠性进行了测试,确保希捷产品能够在腾讯自研服务器中顺利运转,进而提升腾讯云自研服务器的整体性能与密度,并帮助最终用户降低总体拥有成本。
在联合测试的过程中,希捷产品的抗震性、性能、可靠性、兼容性得到充分验证。希捷也聆听到腾讯云的需求和建议,从而对下一代硬盘产品优化设计。
易失性写缓存数据丢失检测,提升数据恢复效率
在双方的技术协作中,数据安全是非常重要的研究项目。希捷和腾讯云一直努力寻求更为可靠的数据安全保障。易失性写缓存数据丢失检测(data loss detection)就是希捷专为腾讯云定制的研发项目。希捷基于硬盘自身机制,开发相关技术,并配合腾讯云的上层指令来消除数据丢失风险。
Fleet management硬盘健康管理,改善用户体验
Fleet management硬盘健康管理是双方共同探索的一个重点。2017年11月开始,希捷开始为腾讯云部署FARM(Field Accessibility Reliability Metrics),基于大数据机器学习的健康监测建模;并于近期开发了硬盘在线故障诊断工具(Field Events Log)。该项目旨在重塑硬盘日志以及进行故障预测,从而保障硬盘的可靠性及数据安全。
通过部署FARM项目,希捷联合腾讯云对硬盘的运行数据(磁头数据、碟片数据、温度、湿度等数据)进行检测,应用大数据建模分析存在失效风险的硬盘。
通过大数据分析,该项目可提前15天上报不同风险等级的预警,提示用户采取措施以避免硬盘批量失效导致的业务和数据风险。
定制固件,全面优化产品并降低成本
希捷还为腾讯云专门定制固件,优化产品特性。定制化全面体现在产品的研发设计、固件优化、前期生产制造控制、后期测试、调试等等环节。
通过定制固件,希捷在多个产品系列中为腾讯云进行了优化。定制产品已经大量生产并应用在一线。定制化以后,产品质量和用户体验均得到了显著提升。
Fleet Management硬盘健康管理与定制化两项技术相得益彰,助力客户年换盘率和硬盘非故障换盘率显著降低;不仅提升产品质量,更大幅降低成本。
截至目前,腾讯云和希捷的合作已超越了产品测试层面,双方还积极参与到产品研发、架构设计、验证部署等过程。希捷的工程师团队在针对腾讯的特定工作负载与特定应用,探索如何提升产品性能、降低延迟、不断调优,以适配腾讯云的应用需求。
“产业智变,云启未来”,面对未来高速变化的市场,希捷还将与腾讯云继续携手,让云计算至快至稳。
好文章,需要你的鼓励
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。