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
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。