IBM Storage Ceph是面向企业的软件定义存储平台,它结合了开源Ceph存储系统与管理平台、部署实用程序和支持服务。Storage Ceph 8.0现已全面上市。
Ceph平台通过单一解决方案提供大规模可扩展的对象、块和文件存储。IBM Storage Ceph自2023年1月起成为IBM存储产品组合和软件定义存储的一部分,可在行业标准x86服务器硬件上运行。它可以从小型工作负载开始,并可扩展到PB级工作负载。
除了RADOS(可靠自主分布式对象存储,Reliable Autonomous Distributed Object Store)核心更新外,Storage Ceph 8.0的主要亮点还包括针对VMware的NVMe/TCP块存储增强功能,以及NFS v3、v4.1和 v4.2,使非本地Ceph客户端也能访问文件。
还有SMB v2和SMB v3 Windows文件访问(技术预览版),包括MS Active Directory和ACL支持。
此外,还扩展了AWS兼容性、具有身份访问管理功能的、新的多租户功能,以及扩展的UX功能、新的集群配置选项和安全增强功能。
Storage Ceph RADOS核心更新包括RBD快照的改进,降低了CPU占用率和延迟。此外,Storage Ceph IBM BlueStore压缩提高了存储效率,无需额外的软件层。
通过调整和优化实现的性能改进包括使用Storage Ceph Crimson后端(技术预览版)。IBM表示,Crimson是Storage Ceph的下一代后端,为Ceph对象存储功能提供了更高效、性能更强的实现方式。Crimson采用了现代编程技术和工艺。
作为一种选择,IBM为IBM Storage Ceph客户端提供Storage Ready Nodes。这些节点是经过全面测试并符合IBM Storage Ceph实施和生产用例要求的服务器。
IBM存储基础架构产品经理Marcel Hergaarden发表了一篇博客,解释了IBM Storage Ceph 8.0进行的所有改进。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。