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
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。