StorPool Storage在其块存储软件的v21版本中添加了纠删码,这意味着其数据应该能够在更多设备和节点故障的情况下存活下来。
该存储平台表示,它增加了云管理集成的改进以及提高了数据效率。StorPool构建了一个基于标准服务器节点的多控制器、可扩展的块存储系统,可以运行应用程序和存储。它是可编程、灵活、集成和始终在线的。该公司声称,其纠删码实现在几乎不影响读/写性能的情况下,可以保护免受驱动器故障或损坏的影响。
StorPool首席执行官Boyan Ivanov告诉我们:“与人们普遍认为的相反,大多数供应商只在同一机箱中复制RAID,而不是在多个节点或机架之间进行纠删码。”
StorPool制作了下面的图表,从其角度研究了纠删码竞争格局:
StorPool的纠删码需要至少五个以上的全NVMe服务器节点上才能提供四个功能:
跨节点数据保护—信息通过两个奇偶校验对象跨服务器进行保护,因此任何两个服务器都可能发生故障,数据保持安全和可访问性。
按卷策略管理--可以使用三重复制或擦除编码来保护卷,并在数据保护方案之间进行按卷实时转换。
延迟批处理编码–传入数据首先以三个副本写入,然后批量编码,大大减少数据处理开销,并最大限度地减少对用户I/O操作延迟的影响。
始终运行—在整个存储系统保持运行且所有数据都可用的情况下,最多可以重新启动或关闭两个存储节点进行维护。
现在,客户可以为每个工作负载选择更精细的数据保护方案,根据每个单独的用例调整数据占用空间。在大规模部署中,客户可以执行跨机架纠删码, 使其存储系统能够从数据效率的提高中受益,同时确保最多两个机架的故障存活。
v21版本还包括:
改进了iSCSI可扩展性:允许客户每个节点最多导出1000个iSCSI目标,特别适用于大规模部署。
CloudStack插件改进:支持CloudStack的卷加密和部分区域范围存储,从而实现计算主机之间的实时迁移。
OpenNebula附加组件改进:支持多集群部署,其中多个StorPool子集群表现为具有统一全局命名空间的单个大型主存储系统。
OpenStack Cinder驱动程序改进:支持StorPool存储集群的部署和管理,这些集群支持Canonical Charmed OpenStack和使用kolla ansible管理的OpenStack实例。
与Proxmox虚拟环境深度集成:通过集成,任何使用Proxmox VE的公司都可以从端到端自动化中受益。
额外的硬件和软件兼容性:增加了经过验证的硬件和操作系统的数量,从而使StorPool Storage更容易在客户的首选环境中部署。
该公司的StorPool VolumeCare备份和灾难恢复功能现在安装在群集中的每个管理节点上,以提高业务连续性。VolumeCare始终在每个管理节点中运行,只有在活动管理节点上的实例才会主动执行快照操作。
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。