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
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。