新冠疫情对全球生产和生活造成巨大冲击下,基于互联网的线上生产和生活方式被激发出来,支撑其云上业务的数字基础设施实现了高速增长。
同时作为数字基础设施的重要组成部分存储系统,其创新和研发也在不断加速中,在2020年5月20日,数据存储领导者Hitachi Vantara发布了基于NVME架构的全闪存VSP E990,E是代表NVMe,基于900系列产品并增加NVMe 支持之后推出VSP E990。
后疫情时代,特种能力的存储系统需求在增加
长期以来,金融、证券、医疗和制造等行业一直是Hitachi Vantara服务的用户,这些行业客户中的银行核心系统、证券交易系统,医院HIS、制造业的MES、ERP系统等对于存储系统的高性能、低延迟和高吞吐量的需求一直没有停止过。
并且基于存储应用的丰富,简单易用,解决重复工作的自动化能力,复杂工作的智能化能力以及对于运维管理现代化能力成为行业客户新的需求。
基于此专门为了对性能有严苛要求的客户而打造的企业级存储平台VSP E990出现。这款实现了580万IOPS,并将响应时间刷新至64微秒——比去年推出的VSP 5000系列高端存储的延迟时间更低;此外,它还拥有4:1数据缩减能力、接近同类产品两倍的数据精简比。
“如果VSP 5000是一个多面手,是一个集团军的话; VSP E990就是一个特种部队、特战部队,特别适合于严苛性能需求的环境。” Hitachi Vantara中国区解决方案总监谢勇这样评价VSP E990。
从硬件集成看,VSP E990采用了VSP E990采用全NVMe架构,基于NVMe数据传输协议因其对CPU的低消耗,数据传输的低延迟和高吞吐量成为存储业界的事实标准。VSP E990是一款既支持存储级内存(SCM),又支持NVME-oF的全闪存NVMe系统,性能可扩展至580万IOPS。也拥有业界最低的64微秒延迟。
580万IOPS带来的极致性能优势是大幅度提升针对核心系统并发处理数据能力。低延迟的优势是在相同的批处理程序中,能够给客户节省更多的时间。
对于客户而言,要获得VSP E990相同的性能,如果采购其他存储厂商的产品其节点数、控制数量会增加很多。这对于成本、系统的复杂度和风险都会带来挑战。这样是VSP E990极高的IOPS、极低的延迟所带来的一些优势。
五年前,Hitachi Vantara就打通了所有低中高端全系列存储的操作系统,实现了统一的管理、统一的运维、统一的技术。
因此VSP E990在软件功能上完全集成了VSP 5000几乎所有的软件功能。包括100%的数据可用性保障支撑解决方案,还配备Hitachi Ops Center实现了业界领先的4:1数据缩减,帮助用户释放高达75%的存储容量。
数据是客户最重要的资产,数据可靠性永远是排在存储系统功能第一位置,Hitachi Vantara100%数据可靠性的不仅远远领先于对手,还让客户对于存储用的放心、用的省心、用的安心。
同时也可以看到业界领先的4:1的数据空间缩减率,实现客户对于更绿色、环保的数据空间,更省电、更省空调、更省机房的方案需求。
磁盘重构时间,能够大大提升数据安全,目前来讲磁盘的容量越来越大,按照传统技术一块盘的重构时间就会变长。VSP E990通过改进微码大大缩短了磁盘重构的时间,磁盘时间缩短了五倍,给客户带来的数据安全就大大提升。
同时,Hitachi Vantara存储虚拟化技术可以提升老旧设备的设备更新、技术存储升级、存储整合的能力, VSP E990便具备了这样的技术。
Hitachi Ops Center具备AI增强的管理功能,可帮助要求严苛的应用程序将存储效率提升多至90%。它还可以将需要手动配置的存储任务减少70%,将故障根本原因分析的速度提高四倍,从而显著加快故障排查速度。
“VSP E990是一款专门针对NVMe打造的,面向对性能有苛刻要求的客户的企业级存储平台,它继承了所有VSP 5000的持续数据保护功能,以及数据服务的能力。VSP E990本身是自带包括了基于AI Ops运维管理方案、基于人工智能对运营的分析,还包含了我们多年对存储使用、制造和管理的经验,并融合了大数据一些基本的背景。” Hitachi Vantara中国区首席技术官吴卫平总结到。
最后,Hitachi Vantara专家还透露未来会有更多专门基于NVMe产品的发布。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。