Microsoft 为其 Azure 公有云服务的基于磁盘的文件存储提供了一种更可预测的计费方式,类似于其 SSD 文件存储的预配置模式,作为按量付费系统的替代选择。
Azure 有两种文件存储层级:使用快速 SSD 存储的 Premium 层级和使用硬盘驱动器 (HDD) 的 Standard 层级。Premium 采用基于创建文件共享时容量的 Provisioned v1 模型计费。用户选择所需容量后,Azure 根据容量分配 IOPS 和吞吐量 (带宽)。要获得更多 IOPS 和/或吞吐量,必须配置更多容量。
按量付费模型是对基于 HDD 的文件存储按使用容量、吞吐量和数据传输成本计费的标准方式。它有三个访问层级:面向交易密集型工作负载的交易优化层级、用于平衡容量和交易需求的热访问层级,以及面向容量为中心工作负载的冷访问层级。Azure 在存储账户级别而非文件共享级别监控此方案,这使得文件共享成本难以确定。
Azure 存储首席产品负责人 Vybava Ramadoss 表示:"基于使用量的定价可能非常难以理解和使用,因为很难或无法准确预测文件共享的使用情况。"
Microsoft 现在为 Standard (基于 HDD) 文件存储层级提供了 Provisioned v2 定价模型。与 Provisioned v1 模型不同,用户可以为文件共享单独配置容量、IOPS 和吞吐量。不过,Azure 将"根据您选择的预配置存储量为您推荐 IOPS 和吞吐量配置"。
Provisioned v2 文件共享的大小可以从 32 GiB 扩展到 256 TiB,IOPS 最高可达 50,000,吞吐量可达 5 GiB/秒,用户可以根据需要动态调整应用程序的性能,无需停机。
Azure 增加了 Provisioned v2 文件共享特性,相比按量付费方案有所提升。
Azure 使用五个指标监控此定价模型下的文件共享使用情况:
按最大 IOPS 的事务数,提供指定时间粒度内使用的最大 IOPS。
按最大 MiB/秒的带宽,提供指定时间粒度内使用的最大吞吐量 (MiB/秒)。
文件共享预配置 IOPS,按小时跟踪共享的预配置 IOPS。
文件共享预配置带宽 MiB/秒,按小时跟踪共享的预配置吞吐量。
IOPS 突发信用,帮助您跟踪 IOPS 使用情况与突发之间的关系。
Provisioned v2 定价模型目前在北美、南美、欧洲和亚太地区的 24 个 Azure 区域可用。
相比之下,Azure NetApp Files 具有基于 1 TiB 增量的 Standard、Premium 和 Ultra 存储层级。这些层级针对单重加密、双重加密和冷层访问的定价不同,在容量基础上基本上要贵得多。
Azure Native Qumulo 实例分为热层和冷层,热层起价为 3,700 美元/月,冷层起价为 2,500 美元/月。使用量计费基于容量、吞吐量和 IOPS 指标。表格比较了 Azure Files、NetApp 和 Qumulo 在 Azure 中的文件服务的基本容量/月价格,已标准化为每 GiB 数字。
此表仅提供基本容量价格。各种文件存储服务的完整价格比较需要考虑吞吐量和 IOPS 费用,以及可能适用的其他费用,如快照成本。
相比之下,Dell APEX File Storage for Azure 按年度许可容量 (TB) 定价:12 个月为 642.81 美元,36 个月为 1,578.8 美元。Dell 表示,运行该产品的成本是软件计划费用加上运行 Dell APEX File Storage for Azure 软件的 Azure 虚拟机基础设施成本的组合。
目前只有一个软件计划,即集群部署计划,且是免费的。没有按虚拟机实例定价的详细信息。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。