6月15日,深信服成功举办了主题为“以高能力量赋能「高精尖」”EDS分布式存储501高性能版本发布会。本次发布会上,深信服推出了EDS 501高性能版本,破除存储业界在处理海量小文件时的性能难题,深入AI、医疗医院&生物科技、多媒体编辑&娱乐、自然资源&实景三维、芯片&工业设计五大高精尖领域的的真实业务场景,深度适配综合调优,以先进技术帮助用户构筑更高性能、更高性价比的存储体系。

点燃存储卓越性能,激发数据产能
伴随着用户数字化进程加快,传统集中式存储受限于扩展性很难满足创新应用的海量数据存储需求,业务需要更高性能、更大容量的存储系统。相比于只能做第二存储的其它分布式存储,深信服EDS 501版本自研凤凰高性能文件系统以应用为中心,在分布式存储灵活扩展架构的基础上,革命性的提升文件存储性能,使得分布式存储也能承载用户的核心数据生产业务,在激活非结构化数据产能的同时,做到“性能”和“容量”兼得。
对于用户来说,如何发挥数据的价值,是业务发展的关键所在。从用户的实际业务出发,EDS凤凰高性能文件系统针对元数据高并发、小文件低并发、大文件高吞吐和混合负载四种场景进行了针对性的优化,以四大自研核心技术提升存储能力。凭借巨量元数据能力,EDS 501版本可充分发挥各节点的计算性能,百亿规模文件场景下也可做到存储性能稳定一致,内存缓存元数据的规模相比过去可提升7倍,最大化的利用系统资源。自研的全局IO动态整合技术可进一步释放机械盘顺序写的性能优势,业务写IO可在NVMe SSD组成的大性能层进行智能排序整理后写入容量层,解决小文件写放大导致的空间浪费问题,提升混合配置下的数据回刷速度。另外,EDS 501版本还优化了数据的缓存机制,通过客户端内存—存储节点内存—NVMe SSD的自适应三级缓存技术进一步缩短数据路径,将数据时延降至us级。也得益于协议增强支持技术,EDS可以通过更精密的协议设计进一步降低协议对性能的额外开销,缩短软件时延。
精耕五大高精尖领域,告别“千行一面”的存储时代
相较于市面上各类排行榜中的高性能数字,深信服更希望EDS能够躬身入局,真正帮助用户解决存储性能难题,为此,EDS深耕AI、医疗医院&生物科技、多媒体编辑&娱乐、自然资源&实景三维、芯片&工业设计五大领域,打造性能最优、场景适应性最强的企业级存储系统。此次发布会上,清华大学智能产业研究院、上海市肺科医院、中科大洋、武汉大势智慧科技有限公司等高精尖领域的用户与头部行业服务商共同分享存储建设的所感所想。
空口无凭,真金火炼。依靠EDS强力的性能表现,清华大学智能研究院的AI模型整体的研发效率提升了30%;在上海市肺科医院PACS医疗影像业务中,阅片端12秒即可完全加载患者700~800张CT影像;在中科大洋4K超高清非编操作场景中,同时承载12台4K非编(XAVC 500Mb/s,6层)操作也不会出现卡顿现象,视频打包、渲染的效率提升2倍。同时,在存储性能要求更苛刻的实景三维场景下,大势智慧可在一天加载70000张图片影像的前提下,将纹理处理综合效率提升2.1倍,最小规模存储集群即可支撑200台工作站同时建模不掉速。
航天的目标是星辰大海,中国IT的使命愿景是世界前沿。秉承着不破不立的决心,EDS 501版本用全自研技术向世界证明中国IT自有姓名。未来,EDS将持续精进自身能力,与生态伙伴们共同承担起科自强的使命担当,以高能力量赋能「高精尖」,让用户的存储建设更轻松,更从容。
好文章,需要你的鼓励
前FBI网络安全部门副助理局长、现Halcyon勒索软件研究中心高级副总裁辛西娅·凯泽指出,勒索软件已成为当今最大网络威胁。研究发现,与伊朗政府相关的Pay2Key组织仅用3小时即完成加密攻击,而Akira组织从入侵到加密全程不超过4小时。更值得警惕的是,借助AI工具的"业余黑客"正大幅提升攻击频率,尽管技术粗糙,但海量低质攻击可能掩盖更隐蔽的高级威胁,给企业安全防御带来严峻挑战。
Alaya Studio联合多所顶级大学开发的"生成式世界渲染器"实现了虚拟游戏画面与真实视频间的双向转换。该系统通过从《赛博朋克2077》和《黑神话:悟空》收集400万帧高质量数据,训练AI理解材质、光照等视觉要素。创新的ReShade数据采集技术和VLM评估方法解决了传统合成数据的局限性,在材质识别和场景编辑方面取得突破性进展,为游戏开发、影视制作和创意设计提供了强大工具。
Nvidia收购Slurm工作负载管理器开发商SchedMD后,业界担忧这家芯片巨头可能借此优待自家硬件,削弱AMD、Intel等竞争对手的性能表现。Slurm运行于全球约60%的超级计算机上,Meta、Mistral、Anthropic等公司均在使用。分析师指出,尽管Nvidia承诺保持开源中立,但其对开发路线图的掌控仍构成"战略依赖风险"。专家建议企业多元化采购GPU,并在合同中争取硬件平等支持条款。
北京大学等机构联合发布DataFlex框架,这是首个统一的数据中心化动态训练系统。该框架让AI训练从"填鸭式学习"升级为"智能化学习",通过动态数据选择、配比调整和权重分配,显著提升模型性能和训练效率,同时保持与现有训练流程的完全兼容性。