AWS在一年一度的存储日线上大会期间,推出了数据存储产品组合的新增项,其中包括了与NetApp合作围绕OTNAP文件系统服务的Amazon FSx for NetApp ONTAP新服务。
NetApp ONTAP是一套主流的文件系统,企业可以用它来管理关键任务应用生成的信息。这个文件系统让应用可以更轻松地访问执行业务任务所需的数据,可以在后台执行各种相关任务如压缩记录以释放存储容量等等。
之前AWS云上就已经在支持NetApp ONTAP,但是企业必须自行设置部署,然后在内部管理日常维护。这次AWS新推出的Amazon FSx for NetApp ONTAP服务承诺将大幅减少使用ONTAP所涉及的工作量。AWS表示,该服务让管理员在几分钟内就可以设置好部署,并自动执行一系列维护任务。
Amazon FSx for NetApp ONTAP将可以帮助很多企业加速向云端的迁移。很多企业依靠本地NetApp ONTAP文件系统部署来管理部分或全部任务关键型业务数据,此次推出的新服务让企业可以更轻松地在云中运行ONTAP,从而降低与将本地数据工作负载移动到ONTAP平台所带来的复杂性,从而促使更多企业进行切换。
AWS公司首席布道师Jeff Barr详细解释说,Amazon FSx for NetApp ONTAP“可配置文件服务器和存储卷、管理复制、安装软件更新和补丁、替换不合适的基础设施组件、管理故障转移等等”。
除了这项新服务之外,AWS还公布了Amazon S3对象存储服务的两项更新。
第一个更新是引入了一项名为Amazon S3 Multi-Region Access Points的功能,旨在构建多区域应用,或者那些把信息多个副本存储在多个不同AWS数据中心的应用,因为保留多份记录副本可以确保即使一个数据中心发生中断、应用仍然可以使用。
企业还可以通过构建多区域应用提高性能。如果工作负载信息有多个副本,那么企业可以让每个用户从离他们最近的数据中心加载信息,从而降低延迟。
此前,S3上创建的多区域应用需要编写大量代码来管理不同数据副本所涉及的工作,而借助Amazon S3 Multi-Region Access Points,可以大幅减少所需的代码量。
“借助Amazon S3 Multi-Region Access Point,你可以使用单个区域中相同的简单架构来构建多区域应用,”AWS开发者倡导人Alex Casalboni在一篇博文中这样写道。
第二项更新是对S3 Intelligent-Tiering存储服务的现有功能进行了一系列更新。现在,那些将数据保存在该服务中的可以,从价格不同、性能不同的多个存储硬件层中进行选择。S3 Intelligent-Tiering 会自动将企业数据放置在最合适的硬件层上以达到优化成本的目的。
除此之外,今天AWS还宣布取消小于128KB数据对象相关的某些S3 Intelligent-Tiering监控和自动化费用,以及取消了对象存储最少使用30天的要求。
AWS表示,正在Amazon EFS文件存储服务中实施类似于S3 Intelligent-Tiering的功能,这个Amazon EFS Intelligent-Tiering功能与S3 Intelligent-Tiering有些类似,都可以自动将企业数据放置到最合适的基础设施层上。
AWS还在此次存储日在线大会期间推出了一些较小的增强功能,例如Amazon EBS的升级项可以让企业使用块存储服务来创建包含多达64 TB数据的工作负载云备份。反过来,用于将数据移动到AWS云端的AWS Transfer Family服务已经通过低代码功能得到增强,可以减少将信息复制到云端所需的手动操作工作量。
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。