Sardina 希望通过价格优势,将仍在使用 SUSE Enterprise Storage (SES) 的用户吸引到 FishOS 平台上——无论存储容量多大,每个核心的许可费仅为 1 欧元。
Sardina Systems 自 2014 年起推出其 FishOS 云管理平台,该平台整合了 Openstack、Ceph 和 Kubernetes。此次推出特殊的 1 欧元优惠正是针对 SUSE 正在逐步退出 Ceph 存储市场这一趋势。
2020 年,SUSE 收购了 Kubernetes 领域的知名公司 Rancher Labs,不久后在 2021 年初,SUSE 决定取消其基于 Ceph 的 SUSE Enterprise Storage 产品。SUSE 退出 Ceph 存储领域的步伐仍在继续:Sardina 指出了一封近期在 Ceph 用户邮件列表中出现的邮件,该邮件中不仅提到了 openSUSE 中 Ceph 客户端维护者退任的消息,还对 SLE 客户发布了如下公告:
9.3 ceph client 包已被废弃,并将在 15 SP7 中移除
Ceph 是一款开源存储工具,正如 Register 的姊妹网站 Blocks & Files 经常报道的那样。最直观的理解是,可以将 Ceph 看作是 RAID 在广域集群中的延伸:RAID 能够将一台机器上的多个硬盘组合成一个更大的虚拟硬盘,而 Ceph 则通过将多台存储服务器集成为一个存储池,为您的网络提供存储支持。Ceph 的一大优势在于,这些服务器并不需要集中放置在同一地点——它们可以分布在一个国家、一个大陆,甚至全世界各地。
SUSE 曾尝试推出一款名为 Aquarium 的基于 Ceph 的更简化替代存储工具,但该方案未能获得市场青睐,其 Github 仓库也已于 2023 年归档。目前,SUSE 的存储产品仅面向 Kubernetes 用户。
SUSE 发言人在一份声明中告诉 The Register: “SUSE Storage 是 SUSE 目前推出的存储产品,基于 Longhorn 项目,代表了一种面向未来、容器原生的进化方向。它取代了已结束生命周期的 SUSE Enterprise Storage——后者是一种更传统、范围更广的软件定义存储解决方案。SUSE 正与所有客户共同努力,为其当前和未来的软件定义存储需求寻找最佳解决方案。”
当然,还有其他几家公司也乐意为您提供类似的存储产品——但价格却远不便宜。这毕竟是企业级产品,其官网通常不会公开标价。如果您是规模足够大的客户需要此类产品,价格谈判往往会从“您心中预期的金额是多少?”等问题开始。
Red Hat 更侧重于竞争对手 Gluster 存储技术,其费用大约为每节点每年 4,500 美元。Red Hat 也提供 Ceph 产品,但对于 12 个节点来说,年费用大约在 32,000 美元左右。
相比之下,每节点 1 欧元的价格显得十分划算。FishOS 看起来完全能满足需求;我们也发现了一些正面的评价。Sardina 的公告中提到了一个涉及德国云服务供应商 Grass-Merkur 的案例研究,OpenInfra Foundation 也对此给予了积极报道。Sardina 过去曾在平台停运之际提供迁移支持,例如,当以色列初创公司 Stratoscale 数年后关闭业务时,Sardina 就主动协助客户迁移至 FishOS。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。