IBM公司着手发布Ceph产品更新,提供对象锁定功能以抵御勒索软件侵袭,同时带来NVMe-oF及NFS对象摄取的预览版本。
IBM Storage Ceph也就是IBM目前宣传的Red Hat Ceph,属于IBM在收购Red Hat时继承而来的大规模、可扩展、开源对象/文件/块存储软件。Ceph中的对象存储部分名为RADOS(可靠自治分布式对象存储)。Ceph对象网关也被称为RADOS网关(RGW),是构建在librados库之上的对象存储接口,负责为应用程序提供指向Ceph存储集群的RESTful网关。
前Red Hat产品经理、现供职于IBM的Marcel Hergaarden在LinkedIn上的帖子中表示,Storage Ceph v7.0现已全面上市。其中包括Cohasset对象锁定功能认证,意味着对象存储符合美国证券交易委员会(SEC)及金融行业监管局不可擦除和不可重写(FINRA WORM)要求,且满足美国商品期货委员会(CFTC)规章1.31(c)-(d)的要求。
Ceph文件系统支持NFS,也就是说客户现在可以在配置Ceph文件系统之后,在Ceph仪表板之内创建、编辑和删除NFS导出。Hergaarden表示,“可以使用NFS Ganesha服务通过NFS协议导出CephFS命名空间。Storage Ceph Linux客户端可以原生挂载CephFS,这是因为CephFS的驱动程序默认集成在Linux内核当中。借助这一新功能,非Linux客户端现在也可以通过NFS Ganesha服务通过NFS 4.1协议访问CephFS。”
RGW(RADOS网关)现在可以从仪表板以多站点模式进行设置和配置。仪表板支持对象桶级交互,提供多站点同步状态详细信息,可用于CephFS分卷的管理和监控。
他还提到,Storage Ceph通过将S3select查询推送至RADOS网关(RGW),从而为Presto和Trino应用程序带来了性能改进。v7.0还支持CSV、JSON和Parquet定义的S3select等数据格式。
此外,基于RGW策略的数据归档与公有云迁移也在受支持范畴。用户可以:“出于成本和可管理性的考量,创建策略并将符合策略标准的数据移动至与AWS相兼容的S3存储桶进行归档。”其目标可以是AWS S3或Azure Blob存储桶。RGW通过对象存储地理复制可实现更好的多站点性能。“数据复制与元数据操作性能得以提高”,再加上“通过优化和增加RadosGW守护进程数量来提高操作并行性,从而提高横向可扩展能力”,但IBM并未公布具体性能数据。
再有,通过使用C2+2纠删码池,纠删码的最小节点数已降至4个。
Ceph v7.0还迎来三项预览版新功能,目前仅作为展示,不建议在生产应用中直接使用:
首先是基于块存储的NVMe for Fabrics(NVMe-oF)。客户端与NVMe-oF启动器交互,并接入至IBM Storage Ceph NVMe-oF网关,此网关从北端启动器处接收数据并连接至南端RADOS,且性能与RBD(RADOS Block Device)使用原生块存储持平。
对象归档区,用于保存每个对象的各个版本,负责为用户提供包含对象完整历史记录的对象目录。此功能交付的是无法从RADOS网关(RGW)端点删除或修的不可变对象,并支持恢复生产站点上存在的任意对象的各个版本。这项功能主要用于抵御勒索软件和实现灾难恢复。
为了限制进入归档的内容,还可对归档区存储桶进行粒度设置,从而立足每个对象存储桶启用/禁用指向归档区的复制操作。
第三项预览功能是NFS到RADOS网关的后端,允许通过NFS将数据摄取至Ceph对象存储当中。Hergaarden总结称,“这项功能主要用于从本身不支持S3对象API的遗留应用程序中轻松提取对象数据。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。