
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
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。