
戴尔科技新近发布的ObjectScale XF960,是一款面向生成式AI与实时分析用例的全闪存横向扩展设备。
ObjectScale是戴尔科技旗下的软件定义对象存储系统,目前以交钥匙硬件设备的形式提供,但可扩展性相对有限。XF960为ObjectScale X系列产品线的首位成员,以运行ObjectScale v1.3软件的PowerEdge服务器为基础。系统中具体包含服务器、网络交换机、机架安装设备以及配套的电源线。
根据XF960规格表的内容,每个节点将在2RU机箱内配置双英特尔至强CPU,可支持最高737.3 TB的原始存储容量。集群最少可容纳4个节点,配备5节点即可实现高可用性,最多则可容纳16个节点,原始存储容量上限达11796 TB(约合11.8 PB)。下面来看更多规格细节:
ObjectScale软件是一套分布式、采用微服务架构、多节点、横向扩展且多租户式的对象存储系统,可通过单一全局命名空间支持S3 API。它与戴尔的ECS软件采用相同的代码库。支持范围从3节点到超过1000节点,且不存在特定的架构限制。XF960的横向扩展上限由硬件决定,ObjectScale软件本身不作限制。
ObjectScale还运行在VMware vSAN节点之上,能够支持VMware VCloud Foundation (VCF)、Tanzu和Red Hat Open Shift。其复制对象现在可以达到50 TiB,最多支持拆分成5万个部分。v1.3支持使用S3协议进行分段上传(MPU)。MPU能够利用众多较小部分构建起大型对象,且随时能以任意顺序进行上传。
v1.3还允许在不经版本控制的前提下,在存储桶级别实现对象锁定。在不经版本控制的情况下启用时,对象锁定功能将只适用于存储桶级别,而不再是存储桶内的各个版本。这样的设计有效防止了覆盖与删除等误操作。戴尔在ObjectScale v1.3博文(https://infohub.delltechnologies.com/p/introducing-the-latest-release-of-dell-objectscale-unleash-the-power-of-object-storage/)中做出了详细说明。
戴尔在关于XF960的博文中提到,这将是一套完全集成的交钥匙系统,并将是“世界上最强大的、基于Kubernetes定制的对象存储设备。”相应的计划用例,就是在边缘位置由软件定义ObjectScale系统将数据发送至数据中心内的XF960设备。
根据目前已知的消息,客户可以将基于Trino的数据湖产品Starburst同ObjectScale结合使用,“为在本地和跨多云环境中建立高性能、无限可扩展的智能湖仓(Lakehouse)奠定基础。”但需要注意的是,XF960硬件本身不能无限扩展,其最多只可容纳16个节点。
总之这就是一套戴尔打造的对象存储节点,可提供最高4.3 GBps的读取速度和最高3.3 GBps的写入速度。在与ObjectScale结合后就成为一套对象存储系统,用于将T1层S3主数据存储直接交付至AI/机器学习及分析流程。
对象存储供应商Cloudian提供的6节点全闪存集群,能够提供17.7 GBps的写入速度和25 GBps的读取速度。按照单节点计算相当于2.95 GBps写入速度和4.2 GBps读取速度,性能不及XF960。
MinIO文件系统已经将对象存储提升为主存储层,但目前我们还找不到能与戴尔和Cloudian产品直接进行读写吞吐量比较的等效存储节点。
感兴趣的朋友可以参考戴尔专门发布的博文(https://www.dell.com/en-us/blog/unleash-the-power-of-object-storage/),其中论述了关于XF960的更多细节。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。