Elastifile即将发布一款横向扩展的文件存储系统,采用闪存并且覆盖私有云和公有云。
去年1月我们首次听说以色列公司Elastifile,当时这家公司在B轮融资中获得3500万美元。Elastifile开发的技术就像是让存储重生,当时我们是这样写的:“企业级的、Web级的存储软件运行采用全闪存介质,提供文件、对象和块存储访问协议。它的技术是硬件和虚拟机管理程序无关的——听起来像是一个近乎通用的存储库。”
2016年6月思科向这家公司投入了一笔资金。
现在Elastifile已经有可以出货的产品,并不断改善自己的解决方案。该公司声称其解决方案的TCO要比传统阵列、超融合基础设施一体机以及像Amazon Elastic File System这样的云服务成本低50%-90%。
它是如何做的?
在发展阶段会有许多断言,Elastifile称它“统一了所有数据孤岛,跨所有位置和云,创建了单一全局命名空间”。
它的Elastifile Cloud File System(ECFS)是一款分布式软件系统,具有所谓的全局命名空间,并且宣称在性能、一致性和低延迟方面具有线性扩展能力,以及所谓具有颗粒度的检入/检出对象分层,用于数据迁移和备份。它还采用了基于使用量的定价模式,称这避免了硬件锁定。
每台参与其中的服务器(现场、跨站点和公有云)都有一个轻量级的虚拟控制器。这些聚合了服务器的闪存存储资源,将其呈现给应用作为遵循POSIX的全局明明空,可以从每个节点访问这些空间,并且提供端到端的数据保护。
我们得知,该架构是基于一种专利的分布式元数据模型,一种Bizur一致性算法用以实现状态一致的分布式环境。它具有自适应的网络和数据放置方法,宣称在任何规模的异构云环境中延迟稳定在1-2毫秒。
ECFS简化架构图
该架构涉及数据容器;抽象可以实现在一个命名空间内由文件组成的逻辑持久分组,可以通过策略以及分配的配额管理、访问、在站点之间迁移、监控、关联。
该产品具有服务质量功能,可以在私有云和公有云之间自动迁移数据。CloudConnect功能可以对数据进行压缩和重复数据删除,以创建一个节约空间的、基于云的对象存储。可通过兼容POSIX的Elastifile文件系统访问基于云的数据,所以传统应用就可以运行在这个云中。
Elastifile表示,它支持高性能计算,这种场景下需要并行的、较高的、一致的IOPS以支持高速随机读写很多个小文件,要求持续的高带宽以及可扩展的容量已访问较大型的文件。
它支持容器化吗?当然。Elastifile表示,它的软件能够让容器化的应用将数据保存在一个共享命名空间中,跨任何数量的服务器或者云节点。它有瞬时的、有状态的容器迁移,从而提供弹性以防止节点出现故障,实现负载均衡。
它支持分析吗?当然。聚合跨站点的数据,并提供给分析程序。
听起来它有丰富的功能用于虚拟化的、容器化的和混合云的环境,所以很值得一试。
Elastifile的解决方案已经供货,该公司称现在有数十家客户在他们的内部系统、公有云和混合云中使用Elastifile软件。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。