日立Vantara已将其虚拟存储平台(VSP)One软件定义存储移植到谷歌云平台(GCP),以提供跨结构化和非结构化数据的单一虚拟"数据平面",包括块、文件和对象存储,覆盖本地、AWS和现在的GCP环境。
VSP One SDS产品线包含两个版本。VSP One SDS是一个软件定义存储平台,可部署在本地、通用x86硬件或日立Vantara专有阵列上,支持虚拟机(VM)或设备形式。VSP One SDS Cloud则专指VSP One SDS的云原生版本,专为AWS和谷歌云平台等公有云环境优化。该版本利用云基础设施(如AWS EC2实例或谷歌云全球基础设施),并包含多可用区(Multi-AZ)支持等云专用功能,以增强系统韧性。
VSP One SDS还获得了双向异步复制、精简配置和高级数据压缩等功能更新。日立Vantara声称,与之前版本相比,这些功能可将云存储成本降低多达40%。
日立Vantara首席产品官Octavian Tanase表示:"通过在谷歌云市场的可用性以及双向异步复制功能的加入,VSP One使我们的客户能够轻松简化混合云运营,同时增强其韧性态势。"
据日立Vantara介绍,VSP One"专为持续可用性而设计,目标正常运行时间达99.999%"。双向异步复制通过允许主站点和辅助站点同时作为源和目标运行,增强了灾难恢复策略。
日立Vantara表示,新的VSP One SDS功能为企业客户提供了更大的灵活性、数据效率、增强的灾难恢复选项,以及跨本地和云环境的简化数据移动性。
在GCP上的VSP One SDS通过最近推出的VSP 360即服务控制平面设施进行管理。该设施管理VSP One混合云部署,提供AIOps预测性洞察和数据生命周期治理,公司声称这种方式既简化了操作又符合合规要求。
评论
日立Vantara正在构建一个混合云VSP One数据架构,据我们了解,该架构覆盖本地、AWS和谷歌云。日立Vantara的电子书声明:"虚拟存储平台(VSP)One是跨结构化和非结构化数据的单一数据平面,包括块、文件和对象存储,使组织能够在任何地方运行所有应用程序——无论是本地还是在公有云中。作为单一数据存储平台,它旨在消除孤立系统和不同存储系统的复杂性,使组织能够轻松安全地访问业务洞察所需的数据。"
消除孤立系统和复杂性的工作已经开始,但还有很长的路要走。VSP One SDS是块存储产品,现在已覆盖本地、AWS和GCP,但尚未支持Azure。VSP One File和VSP One Object虽然支持本地部署,但还没有公有云版本。
Q&A
Q1:VSP One SDS Cloud与普通VSP One SDS有什么区别?
A:VSP One SDS Cloud是VSP One SDS的云原生版本,专门为AWS和谷歌云平台等公有云环境优化。它利用云基础设施并包含多可用区支持等云专用功能以增强系统韧性,而普通VSP One SDS主要用于本地部署。
Q2:VSP One SDS的新功能能带来多少成本节省?
A:VSP One SDS的新功能包括双向异步复制、精简配置和高级数据压缩。日立Vantara声称,与之前版本相比,这些功能可将云存储成本降低多达40%,同时目标正常运行时间达99.999%。
Q3:VSP One SDS目前支持哪些云平台?
A:目前VSP One SDS支持本地部署、AWS和谷歌云平台(GCP)。不过根据评论内容,VSP One SDS还未支持Azure,而VSP One File和VSP One Object产品线目前只支持本地部署,还没有公有云版本。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。