HPE现在支持1到4个节点的Alletra Storage MP B10000扩展,无需网络交换机,节省机架空间和功耗。
Alletra Storage MP B10000的命名确实有些冗长。它基于Alletra Storage MP技术,采用分解式共享一切(DASE)架构的横向扩展存储节点。Proliant服务器/控制器节点(如B10140)提供计算能力,而NVMe SSD扩展机柜(JBOF)存储驱动器。节点通过支持RoCE v2的Aruba交换机互连。B10000是该系统的块协议版本,X10000是对象存储版本,GreenLake文件存储则是文件协议版本。此前只能配置无交换机的2节点B10000系统,使用直连100 GbE RoCEv2连接,现在HPE将限制提升至4个节点。
HPE存储产品高级副总裁兼总经理Jim O'Dorisio在博客中表示:"这种新配置标志着HPE在AI就绪、更可持续基础设施战略方面迈出的关键一步。新的4节点无交换机配置提供业界领先的密度和效率,同时最大限度地降低功耗。对客户而言,这意味着他们可以在更少的空间内获得更多存储并整合应用程序,随着业务需求发展,还可选择以这种模块化设计为构建块来建设更大的数据中心。"
据了解,与交换机配置相比,4节点无交换机系统可节省高达73%的机架空间和47%的功耗。HPE GreenLake数据服务云控制台提供AI驱动的洞察和更快的供应,将运营时间减少多达99%,而预测性分析有助于防止86%的中断。这些数据基于2021年4月的ESG市场研究。
4节点无交换机配置"有助于满足金融服务、制造业、电信和云运营等客户的需求,他们更偏好增量式基础设施扩展而非单一大型集群。"
根据长达29页的HPE Alletra Storage MP B10000快速规格文档——完整规格文档必定更加庞大——最初的Alletra MP块系统产品名称甚至更长。文档指出:"HPE Alletra Storage MP B10000已重新命名——此前名为基于HPE Alletra Storage MP构建的HPE GreenLake块存储。"某些产品命名者可能缺乏常识。
B10140(4N)是4节点无交换机系统,支持NVMe over TCP主机协议,配备32核CPU。它最多可支持3个驱动器机柜,每个机柜最多24个驱动器,最大原始容量2.2 PB,有效容量6.17 PB,数据缩减比为2.8:1。
O'Dorisio卖关子地说:"它以业界最小的占用空间和最低功耗实现了SAP HANA的顶级性能。与主要竞争对手的高端系统相比,B10000现在提供的容量密度高达6倍,功耗降低多达65%,同时保持相似性能。"他没有透露具体的比较系统。
Q&A
Q1:HPE Alletra Storage MP B10000有什么新特性?
A:HPE Alletra Storage MP B10000现在支持最多4个节点的无交换机配置,比之前的2节点限制增加了一倍。这种配置采用直连100 GbE RoCEv2连接,无需网络交换机,可节省高达73%的机架空间和47%的功耗。
Q2:4节点无交换机配置适合哪些行业客户?
A:这种配置主要面向金融服务、制造业、电信和云运营等行业客户,特别适合那些偏好增量式基础设施扩展而非单一大型集群的用户。它采用模块化设计,可随业务需求发展逐步扩展数据中心规模。
Q3:B10140系统的存储容量和性能如何?
A:B10140是4节点无交换机系统,配备32核CPU,最多支持3个驱动器机柜,每个机柜最多24个驱动器。最大原始容量可达2.2 PB,有效容量6.17 PB,数据缩减比为2.8:1,能够以业界最小占用空间实现SAP HANA的顶级性能。
好文章,需要你的鼓励
Python通过PEP 810提案正式引入惰性导入功能,允许程序延迟加载导入库直到实际需要时才执行,而非在启动时全部加载。该提案由指导委员会成员Pablo Salgado于10月3日提出并于11月3日获批。新功能采用选择性加入方式,保持向后兼容性的同时解决了社区长期面临的启动时间过长问题,标准化了当前分散的自定义解决方案。
蒙特利尔多机构联合研究团队通过AInstein框架首次大规模验证了大语言模型的科学推理能力。研究使用1214篇ICLR论文测试AI提取研究问题和生成解决方案的能力,发现顶级AI模型成功率达74%,能够提出创新性技术方案而非简单模式匹配。研究证实AI具备真正的科学推理能力,但也揭示了其对问题表述敏感、推理稳定性有限等局限性。
Valve最新Steam硬件软件调查显示,Linux用户占比达到3.05%,较上月增长0.37个百分点,相比去年同期增长约50%。游戏网站Boiling Steam分析显示,Windows游戏在Linux平台兼容性达历史最高水平,近90%的Windows游戏能在Linux上启动运行,仅约10%游戏无法启动。
这项研究提出了MADPO方法,解决了AI训练中的"一刀切"问题。传统方法对所有训练案例使用相同强度,导致简单案例过度学习、复杂案例学习不足。MADPO通过两步训练:先评估案例难度,再据此调整学习强度,实现"因材施教"。实验显示该方法在不同质量数据上均有显著提升,最高达33.3%,为AI精细化训练提供了新思路。