以5G为首的新基建,为数字化应用的发展拓宽了道路,可以让更多的数据在这条大路上飞驰。但数据的“车”不能总在道路上奔跑,因此需要为它找一个可靠的“车库”。东芝最新推出的MG08系列硬盘就可以说是一个十分稳妥可靠的“车库”。

东芝MG08系列硬盘
“车库”有室内、室外之分,室外停放的车辆饱受日晒雨淋,难免加速老化受损。空气中的硬盘也是一样,磁盘的高速运转时加热的空气也会为数据安全留下更多隐患。
因此,东芝运用精密工业激光焊接技术对MG08系列硬盘进行氦密封处理,从而让采用业务领先9盘设计、7,200rpm下高速运转的MG08系列硬盘,在更加稳定的氦气环境中高可靠的进行运转。而采用业界标准的3.5英寸外形尺寸,配备了SATA 6.0 Gbit/s或12.0Gbit/s SAS接口,更可将MG08系列硬盘轻松集成到云级存储基础设施、关键业务服务器和存储系统以及文件和对象存储解决方案中。16TB超大容量,采用经验证的CMR记录技术,有助于减少云级存储基础设施、关键业务服务器和存储系统的占用空间和操作负担。
由此可知,东芝MG08系列硬盘通过大容量、氦密封向用户提供了一个大而可靠的“室内车库”。然而车库再大、再安全,如果只有一个很小的出入口的话,也难以满足数据“车辆”的正常运转。因此,还需要对东芝MG08系列硬盘这个“车库”的大门进行一番考验。
为了对东芝MG08硬盘的传输性能进行测试,至顶网评测实验室采用杰和科技的7700K工控机对东芝MG08ACA16TE硬盘(以下统称为东芝MG08硬盘)进行了测试。
被测东芝MG08ACA16TE硬盘的盘面信息
被测东芝MG08ACA16TE硬盘标准SATA接口特写
首先,至顶网评测实验室选择利用SSD硬盘向东芝MG08硬盘拷贝三个总和接近10GB的大文件的方式,对东芝MG08硬盘的大文件传输能力进行测试。通过Win10下文件复制截图可以了解,在3个文件复制时,传输速度基本稳定在250MB/秒左右,大约耗时45秒左右就完成了将近10个G的文件拷贝工作,东芝MG08硬盘表现出非常强悍的大文件传输能力。
大文件拷贝截图
文件传输计时截图
随后,至顶网评测实验室利用Iometer测试工具对东芝MG08硬盘多任务模式下顺序IO转发能力和传输带宽又进行了测试。因为考虑到要让Iometer的处理能力更好的在7700K的CPU上更好进行分配,我们在Iometer中设置了8个worker,I/O队列长度调整为32,并在IO性能测试中,选用4KiB大小文件块,在带宽测试中选用1MiB大小文件块对东芝MG08硬盘进行测试。测试结果截图如下:
Iometer 4KiB顺序读IOPS截图
Iometer 4KiB顺序写IOPS截图
通过测试截图可以了解,在Iometer 4K顺序读写测试中,东芝MG08硬盘的顺序读I/O性能可以达到66,087.54 IOPS,顺序写I/O性能可以达到60,797.13 IOPS。其顺序读写I/O处理能力已经可以和SSD固态硬盘的处理能力相媲美。
Iometer 1MiB顺序读带宽截图
Iometer 1MiB顺序写带宽截图
在Iometer 1M顺序读写测试中,东芝MG08硬盘的顺序读带宽可以达到272.62MBps(259.99MiBps),顺序写带宽可以达到272.46MBps(259.84MiBps)。远高于传统机械硬盘60-90MBps的读写带宽性能。
虽然被测东芝MG08硬盘配备了SATA 6.0 Gbit/s接口,但其顺序读写的测试成绩还是大大超出了我们的预期。但是考虑到东芝MG08硬盘具有高达9张硬盘碟片,如果在顺序读写时,控制器可以有效将传输数据在9张碟片上进行平均分配的话,就可以充分利用SATA 6.0 Gbit/s接口带宽,从而达到了非常理想的测试结果。
下面我们就再来看一下东芝MG08硬盘在4KiB和1MiB随机读写情况下的测试结果:
Iometer 4KiB随机读IOPS截图
Iometer 4KiB随机写IOPS截图
Iometer 1MiB随机读带宽截图
Iometer 1MiB随机写带宽截图
这里我们可以看到东芝MG08硬盘在随机读写测试中的读写性能。4KiB随机条件下的IO处理性能保持在409.73 IOPS,顺序写I/O性能保持在250.77 IOPS。在1MiB随机条件下的传输带宽平均在84.38MBps(80.47MiBps),顺序写带宽平均在75.08MBps(71.6MiBps), 带宽性能回归到正常机械硬盘水平。
通过上述测试,可以了解东芝MG08硬盘不但通过9层盘片、激光焊接氦密封处理技术为数据提供了一个高达16TB大容量且运行稳定的存储环境,在顺序读写的情况下还为数据提供了可以媲美SSD固态硬盘的IO处理能力和高于传统机械硬盘数倍的读写带宽。充分胜任云存储基础设施、关键业务服务器存储系统以及文件和对象存储等基于顺序读写情况的解决方案应用。通过更高的传输带宽、更快的IO处理性能、更稳定的数据存储能力,满足5G时代的数据保管需求。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。