Qumulo 推出了 Cloud Data Fabric (CDF),这是一个具有边缘一致性缓存的中央文件和对象数据核心存储库。
横向扩展文件系统供应商 Qumulo 将其本地部署和公共云软件统一整合到 CDF 中,包括一个可在大多数系统、供应商或公共云基础设施上运行的数据核心分布式文件和对象数据存储集群。用户可以通过边缘的一致性缓存站点访问该系统,这些站点与数据核心的各个元素并行连接。核心和边缘站点之间的严格一致性来自文件系统感知、块级复制、分布式锁定、访问控制认证和日志记录。
Qumulo 总裁兼首席执行官 Douglas Gourlay 表示:"2012 年,Qumulo 开始着手打造世界上最先进的文件系统...从数据中心到云端,摆脱传统限制,我们设想了一个万物皆可用、无处不在、即时可得的未来。"
"我们的客户现在可以做一些神奇而令人惊叹的事情 - 从将全球艺术家和故事讲述者聚集在一起制作电影,到与顶尖医生分享前沿医学研究,再到收集自动驾驶车队的数据,让道路更加安全。"
核心全局文件系统可处理所有数据 - 无论是在公共云还是本地数据中心 - 作为大型弹性池运作,支持分层存储管理、分层和复制,而不影响用户访问或数据位置。这"使应用程序和数据能够独立扩展和移动,支持无缝增长和演进。"
结合严格一致的边缘站点,这允许"使用多样化工具和应用程序进行协作。"
Qumulo 表示,他们拥有超过 1,000 个生产客户,管理着数以 EB 计的数据。联合创始人兼首席架构师 Aaron Passey 说:"过去的文件系统并不是为今天的工作流程和快速数据增长而建造的。我们让用户摆脱专有硬件和操作系统的束缚,允许选择和灵活性,实现无限创新 - Qumulo 用户现在可以使用来自任何来源、在任何基础设施上的数据进行突破性开发。"
Qumulo 的 Cloud Data Fabric 通过主要 IT 基础设施经销商和系统供应商(包括 HPE 和 Supermicro)、分销商以及大多数主要公共云提供商在全球范围内提供,具有预付费和按需付费选项。定价基于数据核心中实际存储和共享的数据。
好文章,需要你的鼓励
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。
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。