存储更新通常承诺很多却只交付固件补丁。Infinidat最新的InfiniBox G4升级采用了不同方法——实际的系统改进,将容量翻倍,物理占用空间缩减近三分之一,并降低了入门价格。
新的InfiniBox SSA G4 F24将高端企业存储压缩到仅11个机架单位,起始容量77TB,比以前型号紧凑31%。对于注重预算的企业来说更重要的是,入门成本降低了29%。
混合InfiniBox系统获得了非常有趣的升级。单个机架的最大有效容量从17.2PBe跃升至33PBe,增幅达92%。这需要将60驱动器机箱替换为78驱动器版本,将内部连接从12Gbit/s SAS-2升级到22.5Gbit/s SAS-4,并在第四季度末将硬盘容量提升至每个驱动器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混合存储在继续出色完成主存储任务的同时,找到了作为备份目标的新优势,特别是在大规模性能方面。解决这些备份工作负载将缩短备份窗口并减少备份恢复时间。对于备份目标来说这些数字很重要,Infinidat还承诺无论存储多少数据,快照恢复时间目标(RTO)都为一分钟。
然后是原生协议方面。Infinidat将S3对象支持直接嵌入到InfuzeOS存储操作系统中,而非后续添加(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驻留在操作系统中,这意味着当工作负载需要不同数据访问方法和通用数据服务及实用程序时,管理负担更少。这是真正简化事务而非增加层次的软件定义存储。
功耗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系统节能近7倍,这基于公开可用的规格,且InfiniBox SSA F24的总可用容量是竞争对手的两倍多——当数据中心为AI部署配给电力时,这个数字很重要。31%更小的占用空间加上每TB更低的功耗,解决了真正的约束,而非抽象的可持续性目标。
Infinidat在2024年5月推出了原始的InfiniBox G4,所以这次升级仅在一年半后就到来。时机表明公司正在努力夺取传统高端企业买家之外的市场份额。IDC集团副总裁兼全球基础设施总经理Ashish Nadkarni指出,组织越来越希望在更低的入门点获得"企业级可用性、网络弹性和性能",这正是这些更新所瞄准的。InfiniBox SSA G4 F24适合以前型号无法适应的托管设施和远程站点。
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押注他们会的,特别是如果电力成本持续攀升,数据中心和机架空间仍然稀缺的话。
Q&A
Q1:InfiniBox SSA G4 F24相比之前型号有什么主要改进?
A:新的InfiniBox SSA G4 F24在11个机架单位内起始容量77TB,比以前型号紧凑31%,入门成本降低29%。混合系统单个机架最大有效容量从17.2PBe跃升至33PBe,增幅达92%,并将内部连接从12Gbit/s升级到22.5Gbit/s。
Q2:Infinidat的功耗效率表现如何?
A:Infinidat声称其系统比完全配置的竞争对手企业级系统节能近7倍,基于公开可用的规格。InfiniBox SSA F24的总可用容量是竞争对手的两倍多,31%更小的占用空间加上每TB更低的功耗,在数据中心为AI部署配给电力时具有重要意义。
Q3:InfiniBox G4系统支持哪些存储协议?
A:InfiniBox G4系统将S3对象支持直接嵌入到InfuzeOS存储操作系统中。文件、块和对象协议现在原生驻留在操作系统中,当工作负载需要不同数据访问方法和通用数据服务时,可以减少管理负担,实现真正简化的软件定义存储。
好文章,需要你的鼓励
无人机食品配送服务商Flytrex与全球知名披萨连锁品牌Little Caesars宣布合作,推出全新Sky2无人机,最大载重达4公斤,可一次配送两个大披萨及饮料,满足全家用餐需求。Sky2支持最远6.4公里的配送范围,平均从起飞到送达仅需4.5分钟。首个试点门店已在德克萨斯州怀利市上线,并实现与Little Caesars订单系统的直接集成。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
法国社会住房项目ViliaSprint?已正式完工,成为欧洲最大的3D打印多户住宅建筑,共12套公寓,建筑面积800平方米。项目由PERI 3D Construction使用COBOD BOD2打印机完成,整体工期较传统建造缩短3个月,实际打印仅用34天(原计划50天),现场操作人员从6人减至3人,建筑废料率从10%降至5%。建筑采用可打印混凝土,集成光伏板及热泵系统,能源自给率约达60%。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。