新推出的InfiniBox SSA G4 F24在提供更大存储容量的同时显著缩小了物理占用空间,谁不想要这样的产品呢?
存储设备的升级往往承诺很多但实际交付的只是固件补丁。Infinidat最新的InfiniBox G4升级版采用了不同的方式——通过实际的系统改进,将容量翻倍,物理占用空间缩小近三分之一,同时降低了入门价格。
新款InfiniBox SSA G4 F24将高端企业存储压缩到仅11个机架单元中,起始容量77TB,封装体积比之前的型号紧凑31%。对于注重预算的企业而言,更重要的是其入门成本降低了29%。
混合型InfiniBox系统获得了非常有趣的升级。单机架的最大有效容量从17.2PBe跃升至33PBe,增幅达92%。这一提升需要将60驱动器机箱升级为78驱动器版本,将内部连接从12Gbit/s SAS-2提升至22.5Gbit/s SAS-4,并在第四季度末将硬盘容量提升至每驱动器24TB。考虑到Infinidat多项专利的超高性能神经缓存技术的强大性能,InfiniBox混合型产品在备份目标应用中找到了新的最佳位置,同时在主存储职能上仍表现出色,特别是在大规模性能要求方面。针对这类备份工作负载解决方案将缩短备份窗口并减少备份恢复时间。这些数字对备份目标而言至关重要,Infinidat还承诺无论存储多少数据,快照恢复时间目标(RTO)均为一分钟。
然后是原生协议支持方面。Infinidat将S3对象支持直接嵌入到InfuzeOS存储操作系统中,而不是事后添加(这是大多数竞争对手尚未摆脱的习惯)。文件、块和对象协议现在原生地位于操作系统中,这意味着当工作负载需要不同的数据访问方法以及通用数据服务和实用程序时,管理难题更少。这是真正简化而非增加层次的软件定义存储。
功率效率声明听起来很激进,直到你查看来源。Infinidat声称其系统比完全配置的竞争对手企业级产品的功率效率高近7倍,这基于公开可用的规格,而InfiniBox SSA F24的总可用容量超过两倍——这种数字在数据中心为大语言模型部署分配功率时非常重要。31%更小的占用空间配合每TB更低的功耗解决了真实的约束,而非抽象的可持续性目标。
Infinidat于2024年5月推出了原始的InfiniBox G4,因此这次更新仅在一年半后推出。时机表明该公司正努力在传统高端企业买家之外夺取市场份额。IDC全球基础设施集团副总裁兼总经理Ashish Nadkarni指出,组织越来越希望"在较低的入门点获得企业级可用性、网络弹性和性能",而这正是这些更新所针对的。InfiniBox SSA G4 F24适合之前型号无法容纳的共置设施和远程站点。
整合策略是否奏效取决于企业是否信任一个存储平台处理混合工作负载。Infinidat押注他们会信任,特别是在功率成本持续攀升、数据中心和机架空间依然稀缺的情况下。
由Infinidat赞助。
Q&A
Q1:InfiniBox SSA G4 F24相比前代产品有什么主要改进?
A:新款InfiniBox SSA G4 F24将容量翻倍,物理占用空间缩小31%,入门成本降低29%。它将高端企业存储压缩到仅11个机架单元中,起始容量77TB,是一个更加紧凑和经济的解决方案。
Q2:混合型InfiniBox系统的容量提升了多少?
A:混合型InfiniBox系统的单机架最大有效容量从17.2PBe跃升至33PBe,增幅达92%。这通过升级78驱动器机箱、提升至22.5Gbit/s SAS-4连接以及将硬盘容量提升至24TB实现。
Q3:Infinidat在原生协议支持方面有什么优势?
A:Infinidat将S3对象支持直接嵌入到InfuzeOS存储操作系统中,而不是事后添加。文件、块和对象协议原生地位于操作系统中,减少了管理复杂性,是真正简化的软件定义存储解决方案。
好文章,需要你的鼓励
Infinidat发布InfiniBox G4系列最新升级,实现容量翻倍、物理占用空间缩减31%、入门价格降低29%。新款InfiniBox SSA G4 F24仅占11个机架单元,起始容量77TB。混合系统单机架最大有效容量从17.2PBe跃升至33PBe,增幅达92%。系统原生集成S3对象存储协议,支持文件、块和对象存储统一管理,能效比竞品高7倍。
香港大学联合多家顶尖机构开发出推测性雅可比降噪解码技术,巧妙融合扩散模型降噪与自回归并行处理,将AI图像生成速度提升2-5倍。该方法通过训练模型处理噪声输入并预测干净标记,实现多位置同时生成,在保持图像质量的同时大幅缩短等待时间,为AI创作应用带来革命性改善。
微软的MAUI跨平台应用开发框架将通过第三方框架Avalonia获得Linux和浏览器支持。MAUI目前支持Android、iOS、Mac Catalyst和Windows平台,但缺少Linux支持。AvaloniaUI公司正在为MAUI开发新的后端,使用Avalonia渲染器替代原生控件,同时支持WebAssembly在浏览器中运行。该方案预计2026年第一季度提供预览版本。
韩国大学等机构研究团队提出TAG方法,解决AI绘画中的"幻觉"问题。该方法通过放大扩散过程中的切线分量来引导AI生成更真实图像,无需重训练模型且计算成本极低。实验显示TAG能显著改善图像质量,减少不合理细节如多指手等,同时可与现有引导技术结合使用,为AI绘画领域提供了简单有效的优化方案。