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
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。