IBM公司着手发布Ceph产品更新,提供对象锁定功能以抵御勒索软件侵袭,同时带来NVMe-oF及NFS对象摄取的预览版本。
IBM Storage Ceph也就是IBM目前宣传的Red Hat Ceph,属于IBM在收购Red Hat时继承而来的大规模、可扩展、开源对象/文件/块存储软件。Ceph中的对象存储部分名为RADOS(可靠自治分布式对象存储)。Ceph对象网关也被称为RADOS网关(RGW),是构建在librados库之上的对象存储接口,负责为应用程序提供指向Ceph存储集群的RESTful网关。
前Red Hat产品经理、现供职于IBM的Marcel Hergaarden在LinkedIn上的帖子中表示,Storage Ceph v7.0现已全面上市。其中包括Cohasset对象锁定功能认证,意味着对象存储符合美国证券交易委员会(SEC)及金融行业监管局不可擦除和不可重写(FINRA WORM)要求,且满足美国商品期货委员会(CFTC)规章1.31(c)-(d)的要求。
Ceph文件系统支持NFS,也就是说客户现在可以在配置Ceph文件系统之后,在Ceph仪表板之内创建、编辑和删除NFS导出。Hergaarden表示,“可以使用NFS Ganesha服务通过NFS协议导出CephFS命名空间。Storage Ceph Linux客户端可以原生挂载CephFS,这是因为CephFS的驱动程序默认集成在Linux内核当中。借助这一新功能,非Linux客户端现在也可以通过NFS Ganesha服务通过NFS 4.1协议访问CephFS。”
RGW(RADOS网关)现在可以从仪表板以多站点模式进行设置和配置。仪表板支持对象桶级交互,提供多站点同步状态详细信息,可用于CephFS分卷的管理和监控。
他还提到,Storage Ceph通过将S3select查询推送至RADOS网关(RGW),从而为Presto和Trino应用程序带来了性能改进。v7.0还支持CSV、JSON和Parquet定义的S3select等数据格式。
此外,基于RGW策略的数据归档与公有云迁移也在受支持范畴。用户可以:“出于成本和可管理性的考量,创建策略并将符合策略标准的数据移动至与AWS相兼容的S3存储桶进行归档。”其目标可以是AWS S3或Azure Blob存储桶。RGW通过对象存储地理复制可实现更好的多站点性能。“数据复制与元数据操作性能得以提高”,再加上“通过优化和增加RadosGW守护进程数量来提高操作并行性,从而提高横向可扩展能力”,但IBM并未公布具体性能数据。
再有,通过使用C2+2纠删码池,纠删码的最小节点数已降至4个。
Ceph v7.0还迎来三项预览版新功能,目前仅作为展示,不建议在生产应用中直接使用:
首先是基于块存储的NVMe for Fabrics(NVMe-oF)。客户端与NVMe-oF启动器交互,并接入至IBM Storage Ceph NVMe-oF网关,此网关从北端启动器处接收数据并连接至南端RADOS,且性能与RBD(RADOS Block Device)使用原生块存储持平。
对象归档区,用于保存每个对象的各个版本,负责为用户提供包含对象完整历史记录的对象目录。此功能交付的是无法从RADOS网关(RGW)端点删除或修的不可变对象,并支持恢复生产站点上存在的任意对象的各个版本。这项功能主要用于抵御勒索软件和实现灾难恢复。
为了限制进入归档的内容,还可对归档区存储桶进行粒度设置,从而立足每个对象存储桶启用/禁用指向归档区的复制操作。
第三项预览功能是NFS到RADOS网关的后端,允许通过NFS将数据摄取至Ceph对象存储当中。Hergaarden总结称,“这项功能主要用于从本身不支持S3对象API的遗留应用程序中轻松提取对象数据。”
好文章,需要你的鼓励
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
Character AI联合耶鲁大学开发的OVI系统实现了音视频的统一生成,通过"孪生塔"架构让音频和视频从生成之初就完美同步。该系统在5秒高清内容生成上显著超越现有方法,为多模态AI和内容创作领域带来突破性进展。
苹果即将发布Apple TV 4K和HomePod mini 2两款产品更新。更值得期待的是三款全新产品:配备7英寸方形显示屏的HomePod Touch将搭载全新homeOS系统,支持Safari、音乐等应用及小组件功能,预计售价350美元;此外还有智能安全摄像头和视频门铃两款配件。这标志着苹果从依赖第三方HomeKit配件转向自主研发智能家居产品的重要战略转变。
这项由南洋理工大学研究团队开发的DragFlow技术,首次实现了在先进AI模型FLUX上的高质量区域级图像编辑。通过创新的区域监督、硬约束背景保护和适配器增强等技术,将传统点对点编辑升级为更自然的区域编辑模式,在多项基准测试中显著超越现有方法,为图像编辑技术带来革命性突破。