近日,至顶科技参观了希捷的系统实验室,看到了希捷推出的Exos CORVAULT实物。相信大家第一眼看上去,想到的是这能存多少数据?
Exos CORVAULT是希捷最新打造的具备自我修复的智能海量存储平台。CORVAULT在4U机箱实现了密度最大化,可在仅7英寸的机架空间中容纳106块硬盘。以搭载目前希捷推出的20TB大容量硬盘来看,这套系统能够实现2.12PB的容量。那么我们可能会产生疑问?希捷做硬盘,难道还做存储系统?这个CORVAULT的特点是什么?能够应用哪些场景?希捷科技中国区高级技术经理戴小勇一一给出答案。
该系统可以理解为一块超大硬盘
数据中心的构建是一个完整的产业链,比如希捷就是做硬盘,那么这款Exos CORVAULT是否冲击整个产业链?对此希捷科技中国区高级技术经理戴小勇表示,Exos CORVAULT完全可以理解为是一块超大的硬盘,最大限度提升数据存储密度,CORVAULT是块文件存储,里面集成的能力包括硬盘自主恢复功能和新的数据保护技术。整体方案提供99.999%的高可靠性,确保持续的高可用性。还包括一些物理特性,包括机箱经过精心调整,可防止振动和声学干扰、热量和电源异常,最大限度提高硬盘性能。
为什么推出这个系统?
《数据新视界》调查发现,从2020年到2022年,企业产生的数据以42.2%的年增长率增加,但是68%的企业数据价值并未真正激活。
从希捷的发货存储总量就可以看出数据的增长,2015年,希捷的发货存储总量为1ZB,2019年为2ZB,2021年已达到3ZB,海量数据的存储带来了高昂的扩容成本和IT系统维护费用、低下的管理效率、数据共享等难题层出不穷,导致企业用户对存储容量、性能、管理成本、故障恢复率等需求大大提升。
为应对企业数据面临的种种难题,希捷推出了可自我修复的智能海量存储平台Exos CORVAULT,来解决海量数据存储的挑战。
戴小勇表示,希捷新的自动保护技术能够实现数据重建效率的大幅度提升。希捷高级分布式自动保护技术(ADAPT)可在每个硬盘间分配数据,提供高级数据保护,大大缩短重建时间。跟传统的RAID保护方式相比,ADAPT最高能将数据重建效率提升10倍以上。
此外,CORVAULT由自动磁盘再生(ADR)技术构建,支持即时自我纠正,无需手动更换,便可原位更新硬盘。即使在高压使用环境下,它也能获得峰值状态下的硬盘性能和耐用性,最大限度提升数据密度,减少电子垃圾。
满足四大行业场景的海量存储
从配置上看,该系统最小起配18TB的磁盘,容量方面可以达到1.9PB。一定是在有海量数据存储需求的应用场景。所以目前定位有四个行业场景。
戴小勇分享了该系统主要应用在四大场景:
首先是云服务提供商或者一些私有云等数据量比较大的应用场景。“过去我们知道互联网厂商喜欢用服务器直接挂硬盘这种方式去做存储网络,搭建自己的存储方案,但是这带来一个问题:随着磁盘容量增长,运维的成本增加,磁盘数量增加,运维成本也会增加。而CORVAULT可以很好地解决运维的问题。”戴小勇讲道。
其次,高性能计算。以前高性能计算场景都是偏计算,现在偏存储型的,所以对数据存储容量也有越来越多的要求。包括基因工程、环境监测、能源勘探等客户对存储容量有很大的需求,同时要求有非常高的性能。CORVAULT这样的产品,本身从性能角度能满足要求,存储容量也满足要求。
第三,媒体娱乐行业,跟视频数据相关的,需要海量数据存储,大量的视频数据,在后端也可以去使用。
第四个,Exos CORVAULT可以为传统的行业做一些小的备份应用,解决备份或者做归档的应用需求。传统行业数据量增长的话,有非常大的备份系统,希捷表示目前在国外跟一些备份厂商基于 CORVAULT做联合的测试。
因此Exos CORVAULT主要应用于以上四个应用场景。
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。