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
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。