Datadobi 发布的 StorageMAP v7.2 版本增加了元数据和报告功能,可以更好地降低成本,帮助客户实现更环保的运营,并跟踪更广泛的对象存储数据。
StorageMAP 软件可以扫描和列出客户的文件和对象存储资产,包括本地和公有云环境,并且能够识别孤立的 SMB 协议数据。新增的归档功能允许客户识别并将旧数据或不活跃数据迁移到归档存储中,从而释放闪存或磁盘上的主要数据存储空间。Datadobi 引用了 Gartner 的研究报告指出:"到 2028 年,超过 70% 的基础设施和运营 (I&O) 领导者将实施混合云存储策略,相比去年仅 30% 有显著增长。"这意味着高效管理混合本地/公有云文件和对象数据资产将变得更加重要。
首席收入官 Michael Jack 表示:"非结构化数据持续以前所未有的速度增长,然而许多 I&O 领导者仍然难以对其环境获得适当程度的可见性和控制。"
StorageMAP 具有元数据扫描引擎 (mDSE),支持并行多线程操作、元数据查询语言 (mDQL)、非结构化数据工作流引擎 (uDWE) 和非结构化数据移动引擎 (uDME),可在存储层和位置之间移动数据。它可以跨本地和公有云环境工作,将 SMB 和 NFS 文件转换为 S3 对象,并部署为 Linux 虚拟机。
Datadobi 文件扫描使用多线程来并行处理目录结构。由于对象存储具有扁平地址空间,没有嵌套的文件/目录结构,StorageMAP 的扫描引擎将对象命名空间分割为子集,并行扫描以降低扫描时间。
v7.2 中的新元数据功能使客户能够更精确地跟踪成本、碳排放和其他 StorageMAP 标签。
v7.2 引入了 Dell ECS 和 NetApp StorageGRID 对象存储的自动发现功能,使客户能够识别其租户及其关联的 S3 存储桶。它将孤立数据功能扩展到 NFS 环境,以便识别和报告当前不属于任何活跃员工的数据。此功能适用于通过 SMB 和 NFS 协议访问的所有数据。
新软件可以查找和分类适合生成式 AI 处理的数据,"使企业能够为数据湖提供相关的高质量数据集",用于检索增强生成 (RAG)。增强的许可模型让客户可以根据具体需求扩展 StorageMAP 功能的使用。
附注
Gartner 研究报告题为"使用混合云实现文件存储数据服务现代化"。报告有三项建议:
通过利用公有云实现灾难恢复、容量突发、处理突发和存储标准化来实施混合云数据服务。
制定三年计划,将非结构化文件数据与公有云基础设施即服务 (IaaS) 集成,以匹配目标、SLA 和成本约束。
根据混合云文件提供商提供额外增值服务的能力进行选择,如数据移动性、数据分析、网络弹性、生命周期管理和全球访问。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。