在Gartner一年一度的对象存储魔力象限中,有三个新来者和一个消亡者。
在Gartner公布的2017年分布式文件系统和对象存储系统魔力象限中,以“前瞻性”和“执行能力”两个维度对分布式文件系统和对象存储厂商进行了评估。四个象限分别是下方的“特定领域者”和“远见者”,以及上方的“挑战者”和“领导者”。
下面就让我们看看2017年10月版的魔力象限,然后是去年的版本。
需要注意的一点是,领导者和挑战者没有太大改变,只有象限内的小幅位置移动。HDS变成了Hitachi Vantara,因为日立的业务部门进行了重组和命名。
Qumulo以远见者的身份进入该魔力象限,HGST和StorageCraft(Exablox)以特定领域者进入象限。
Panasas曾经是在特定领域者象限,现在已经完全消失了。
关于这些新进的和消失的厂商,Gartner是怎么说的?
- Qumulo的业务扩展到了北美之外的地区,现在已经得到了Gartner魔力象限的认可
- HGST ActiveScale已经突破了面向生产客户的限制,现在得到了Gartner魔力象限的认可
- StorageCraft (Exablox) OneBlox产品开发现在覆盖了多种使用实例,这得到了Gartner魔力象限的认可
- Panasas:在2017年的魔力象限中Gartner对入围标准做了修改,仅包括那些可应对多种使用实例的厂商,而Panasas ActiveStor并不满足这一条,因为它只针对商业高性能计算
Gartner分析师认为,到2021年将有超过80%的企业数据保存在企业的横向扩展系统和云数据中心内,高于如今的30%。这对于该领域中的初创公司和新来者是个好消息。
分析师建议我们应该关注特定的一些厂商,因为这些厂商开始在非结构化数据存储市场获得更多关注:
- Elastifile
- 微软
- Hedvig
- Minio
- Nexenta
- Pure Storage
- 浪潮
明年的魔力象限期待看到一些有趣的变化。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。