紫光股份旗下新华三集团近期推出了“新华三全闪存数据缩减承诺”计划,在新华三InfoSight智能管理运维平台和智慧中枢数据平台DSCC的智能加持下,让数据效率承诺达到了业界史无前例的“5:1”,降低了全闪存阵列的使用门槛,让更加“普惠”的全闪存阵列成为了更多企业数字化转型的变革基石。
三大秘诀,迈向数据缩减新高度
高效的数据缩减效率能在同样的空间内容纳更多数据,让数据中心实现性能与成本的兼顾。然而在数据缩减技术已经得到了广泛的应用的今天,却很少有存储企业敢于向用户提出明确的数据缩减比例承诺。主要是因为,全闪存数据缩减技术常常受限于各类应用负载特性和多样化的数据类型,重删和压缩一般很难发挥稳定的效果。
为什么新华三集团能突破定式、打破常规,向全闪存用户做出5:1的“独家承诺”呢?
这背后的秘诀,就在于新华三依靠更高效、更智能、更全面的数据缩减体系,在全闪存技术中实现了“三大突破”。
秘诀一:智能加持,让数据缩减更懂业务
要实现数据缩减的价值最大化,不仅要提升比例“上限”,还要从业务实际需求出发,匹配最合适的比率。新华三以“智能驱动”的理念让存储系统自动监测业务需求,让数据缩减真正满足差异化的业务需求,优化缩减效率。其中,InfoSight能以AI打造自主化的感知能力,做到高弹性的资源调度,DSCC平台则顺应了“即服务”的理念,以“类云”模式提供统一的数据服务平台——两大平台的协同让全闪存阵列为不同应用,甚至不同版本推荐最佳数据效率设置,以定制化的模式让数据管理能力再次提升。
新华三集团在重删和压缩这两项关键的基础性技术上也实现了重大突破。传统的数据缩减往往采用“定长重删”,将数据以固定长度进行分块。新华三创造性使用“变长重删”技术,根据不同应用的差异化IO特征,匹配不同的重删策略。结合智能数据引擎对应用的敏锐感知,让重删过程中进行比对的数据块大小,与应用数据块大小实现最佳匹配,从而针对不同的应用都能得到最佳的重删效果。变长重删压缩技术与InfoSight智能感知相互配合,最终大大提升了系统的整体数据效率。
秘诀二:独立运行,杜绝系统性能损失
数据缩减需要对数据进行大量的处理工作,不可避免地会大量消耗系统CPU、内存等资源,最终影响数据实时处理效率。为此,新华三集团基于自身存储产品独特的系统架构,在DRAM层处理数据缩减工作,无需耗用CPU和内存资源,对存储本身的性能完全无损,真正意义上实现了重删压缩过程的“独立化”,减少了不必要的重复IO落盘操作,优化了系统IO性能。此外,用户还可以自行开启或者关闭这一功能,灵活应对不同的工作负载和应用场景。
秘诀三:全面发力,赋能多种技术的整合创新
新华三集团做到5:1极致压缩比的第三点秘诀,就是实现了精简配置、零检测、重删、压缩、块折叠等等技术的整合创新。精简配置能利用虚拟化技术,避免存储容量“过量配置”的问题,优化物理空间分配,提升容量利用率;重删能通过消除数据冗余,降低传输带宽,降低数据管理成本;同时,作为与重删互为补充的技术,数据压缩也逐步向实时、无损迈进。
整合创新,用“1+1>2”的方式做到了数据规模最小化,空间利用最大化,在提升效率的同时降低了总体成本,让“飞入寻常百姓家”的全闪存阵列成为了更多企业构建核心业务系统的基础。
新华三集团强大的数据缩减服务,已经完美覆盖了VDI、虚拟化、备份等多类场景,为用户创造出了更具价值、更贴合业务需求的智能存储服务。同时,新华三在数据缩减上的突破还能以效率的提升减少能耗,在同样的空间内容纳更多数据,让数据中心实现性能与成本的兼顾。在“双碳”战略的推进下,全闪存数据中心的闪存占比更是牵引“双碳”目标达成的核心指标,这些改变将推动数据中心进一步实现“节能减排、降本增效”的目标,助力数字产业的可持续发展。
未来,存好、管好、用好数据的企业才能真正构建起面向未来的核心竞争力。作为数字化解决方案领导者,新华三集团也将在“云智原生”战略引领之下,让云和智能变成数字基础设施的内生能力,以“内生智能”的存储产品创造极致的速度、智能的应用和云一般的体验,为企业数字化转型创造“加速度”,助力数字经济实现高质量发展。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。