今天互联网应用给生活带来的便利大家有目共睹。而带来便利的背后是IT架构的复杂化以及数据管理问题。
这是因为在互联网发展过程中,一方面企业业务模式发生着变化,由过去的封闭式、单个的业务模式向开放、融合的互联网业务演进。一方面数据爆炸式的增长,让企业IT架构发生了巨大的改变,企业的IT架构从孤立、集中式的架构向着云化、分布式架构的演进。
数据的爆炸式增长必然会产生很多问题,比如传统企业面临的数字化转型问题,比如不同业务产生的数据孤岛问题,比如互联网开放带来的海量数据安全问题。
当企业面临着多种应用、海量数据、异构环境的同时,到底有没有一些可执行的解决方案来告诉企业应该怎么做?基于此,至顶网希望通过撮合业内专家来探讨这些问题,希望通过专家们的专业探讨来解己之惑,解人之惑。
为此我们邀请了知名企业CIO、IBM资深系统架构师以及媒体总编一起来论道多云时代的数据管理,系统性的理清从数据安全的灵活可靠的IT架构到不同数据的存储问题再到整个数据的统一管理等问题。
Q:一朵云能解决企业面临的问题吗?
随着公有云已经日益普及,技术也日趋成熟,很多企业会提出的疑问是:公有云能包治百病吗?或者我的业务放在一朵云上就可以了?
如果公有云这么厉害,为什么调查机构IDC调查的结果是,到2024年,90%的企业要采用集成的混合多云工具和策略来支持不同的应用?
Q:既要安全又要灵活可靠的IT架构如何实现?
现在大家都面临一个困惑,就是数据安全问题,IT技术发展这么快,按理说我们的安全体系应该越来越厉害,但现状是所有的互联网企业都受到过攻击,所有的行业的客户的安全问题越来越突出。大家都在谈想得到一个平衡,就是我既要确保数据安全,又希望我的IT架构是灵活的。这怎么听起来就是一个矛盾的状态啊?这个矛盾有解吗?
Q:如何做到数据存储因地制宜,让不同的数据放到最适合的地方?
公有云上的存储空间近乎无限大,但是为什么某企业CIO会说出即使大数据平台搞不成,我也不会将核心数据放到云上?为什么某水果厂不会把数据分享给合作伙伴?
Q:这么多数据,为什么管理起来这么困难?
基于多云环境,企业不仅面临IT架构的升级,同时面对不同的数据存储之后,也面临着数据的整合治理问题,是不是能够实现多云环境下的统一管理?目前构建一个统一管理平台需要注意什么?统一管理是不是很难?
是不是觉得此次专家论道很有看点?这里我可以剧透一下,比如如何管理各种碎片化数据,IBM提出通过全面、灵活的数据存储软件来解决。
比如IBM Spectrum Virtualize存储软件,多年来IBM Spectrum Virtualize一直是行业领先技术,目前能管理440多种异构存储品牌。
同时随着多云时代的到来,满足多云能力已经成为IBM Storage的优先考虑。这几年IBM Storwize存储作为IT基础架构的重要环节不断的进行更新升级。就像现在IBM推出的IBM Storwize V5000 Gen3 新一代系列产品,不仅是易于购买、易于使用、易于管理的入门级存储系统。同时提供了更强大的性能以及企业级的功能、可用性及可靠性。再结合IBM Spectrum Virtualize的灵活性和选择多样性,满足企业对于数据灵活可控的管理需求。
当然这仅仅是专家们探讨的冰山一角,如果您想了解更多精彩的内容,欢迎观看4月26日14:00 线上首播《面授机宜》第2季“柔合之道 存储的手艺” 视频对话节目。
好文章,需要你的鼓励
云文件服务供应商Nasuni进行高管调整,创始人兼CTO安德烈斯·罗德里格斯卸任CTO职务,由前戴尔工程副总裁杰瑞·卡特接任。新任CFO罗斯·格兰杰替代离职的财务负责人雷·黑尔。自去年4月新CEO萨曼莎·金上任以来,已更换8个高管职位人员,新团队专注于"帮助企业释放非结构化数据在AI方面的价值"。
加州大学伯克利分校研究团队开发的Pillar-0是一个突破性的医学影像AI系统,能够同时处理CT和MRI等多种影像类型的366项诊断任务。该系统采用创新的多窗技术和Atlas架构,在四种主要影像检查中准确率达86-90分,显著超越谷歌、微软等竞争对手。研究团队还开源了完整系统,为全球医学AI发展提供强大基础。
北美主要数据中心枢纽面临电力和土地限制,运营商转向新兴市场寻求支持AI和高性能计算负载的新位置。德克萨斯、宾夕法尼亚、卡罗来纳州等次级市场通过提供经济激励、加快审批流程和灵活监管框架积极竞争AI驱动的数据中心投资。华盛顿中部拥有全美最低能源成本,宾夕法尼亚获得两党支持,卡罗来纳州电力基础设施强劲。未来数据中心增长将更多依赖能够平衡电力供应、许可速度和经济激励的地区。
马里兰大学研究团队开发MASS系统,通过空间时间感知技术让AI具备物理学家般的视频理解能力。该系统创建了包含8361个问答对的MASS-Bench基准,将视频中的运动轨迹转换为AI可理解的语言描述,并使用强化学习训练模型的物理推理能力。实验显示经过训练的模型性能提升6-8.7%,在物理异常检测任务上甚至超越商业顶级产品,为AI视频内容审核、教育和科研应用开辟新方向。