设在爱沙尼亚的 Storadera 的宣传理念十分简单:利用优化的磁盘存储技术、采用更高容量的叠瓦硬盘,并在未来规划中引入 AI 优化存储操作,提供低成本、单层 S3 存储云服务。
首席执行官、创始人及前软件工程师 Tommi Kannisto 表示,他受到美国存储企业 Backblaze 的启发,认为自己可以在欧洲提供基于磁盘驱动的 S3 对象存储服务。Storadera 成立于 2019 年,并于 2021 年在爱沙尼亚塔林正式上线,2023 年在荷兰启用了第二个数据中心。
Storadera 以每月 6 欧元/TB 的价格提供其单层 S3 存储服务 —— 而 Backblaze 的基础价格为每月 6 美元/TB —— 且不收取任何附加费用。在欧元起售价比较中,Backblaze 实际上拥有最低成本,其 6 美元/TB/月折合约 4.75 欧元;不过,Storadera 位于欧洲,其存储数据不受非欧盟国家的直接管辖。
Storadera 的费用相较于 Wasabi 略低,而与 AWS 相比则显著更具优势,因为 AWS 还会对数据出口收取费用。
Kannisto 在英国的一次 IT Press Tour 活动中提到,Storadera 的年收入略低于 100 万欧元:“我们已经实现盈利……利润非常可观,而且每月收入增长约 5%。”
他进一步说明,Storadera 与数百款兼容 S3 的应用程序均能无缝对接。借助 Veeam 等备份工具接入 Storadera,客户可以将第二份备份发送至云端,从而延长备份保留期限,无需购买新的云存储管理工具。
目前,Storadera 拥有大约 100 家客户,其中包括爱沙尼亚政府和电信公司 Telia。经销合作伙伴约占其存储数据的一半,而来自 Veeam 的数据占约 50%,因此大部分数据均为备份数据。
数据存储在标准硬盘中,这些硬盘安装于 JBOD(单盘组)中,每个 JBOD 包含 102 个硬盘。每个 JBOD 都连接到配备 32 GB 内存的服务器上。服务器中运行的服务由 100,000 行 GO 代码构成。Kannisto 表示,这是一个超融合架构: “所有软件均在所有服务器上运行,所有服务器都向所有 JBOD 写入数据,并且没有负载均衡单元。”
各数据中心具备自治性,并支持存储桶地理复制。
Kannisto 采购的是常规的 Western Digital 硬盘(荷兰数据中心使用的为 26 TB 硬盘),并表示由于大部分负载为文件写入,叠瓦磁记录(SMR)硬盘由于其更高容量和可实现的磁盘写入优化,已被列入未来规划。Kannisto 预计:“SMR 将使我们的资本支出降低 25%。”
当被问到是否采用 QLC SSD 时,他表示:“目前 100 TB 以上的 QLC SSD 仍然过于昂贵 —— 而且在未来十年内可能仍然如此。” 他曾在博客中讨论过 SSD 与 HDD 的问题,并写道:“价格差异甚至可能超过 10 倍。如果我们能在成本低 10 倍的硬件上提供足够快速的服务,这无疑像魔法一样。”
他还指出:“SSD 的可写入总量(TBW)是有限的,超过后便只能处于只读状态;而硬盘则不受此类严格限制。”
Storadera 在写入数据时采用可变块大小机制。低负载时使用较小的数据块,而高负载时则通过批量小文件写入组成较大块。系统采用 4+2、6+2 以及即将推出的 8+2 残差编码方案,并将数据块在多台服务器间进行条带化存储。所有数据均经过加密处理,并通过对象锁定技术确保数据不可篡改。每 60 天,系统都会检查数据完整性,以防止位腐蚀。
该系统在处理 2 MB 文件时速度可达到近 300 MBps,在持续的数据流下,利用 HDD 实现高速写入十分容易。尽管元数据存储在 SSD 上,但其仅占硬盘容量的约 0.05%,因此写入速度并不依赖 SSD。
Kannisto 表示,Storadera 正计划扩大区域覆盖,今年年中将在德国启用一个数据中心,随后将进一步扩展至英国,再到美国或加拿大以及亚太地区,但具体时间尚未确定。
可能的技术发展规划包括利用 AI 优化存储操作以及采用智能缓存技术以提供边缘访问。
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。