日立Vantara已将其虚拟存储平台(VSP)One软件定义存储移植到谷歌云平台(GCP),以提供跨结构化和非结构化数据的单一虚拟"数据平面",包括块、文件和对象存储,覆盖本地、AWS和现在的GCP环境。
VSP One SDS产品线包含两个版本。VSP One SDS是一个软件定义存储平台,可部署在本地、通用x86硬件或日立Vantara专有阵列上,支持虚拟机(VM)或设备形式。VSP One SDS Cloud则专指VSP One SDS的云原生版本,专为AWS和谷歌云平台等公有云环境优化。该版本利用云基础设施(如AWS EC2实例或谷歌云全球基础设施),并包含多可用区(Multi-AZ)支持等云专用功能,以增强系统韧性。
VSP One SDS还获得了双向异步复制、精简配置和高级数据压缩等功能更新。日立Vantara声称,与之前版本相比,这些功能可将云存储成本降低多达40%。
日立Vantara首席产品官Octavian Tanase表示:"通过在谷歌云市场的可用性以及双向异步复制功能的加入,VSP One使我们的客户能够轻松简化混合云运营,同时增强其韧性态势。"
据日立Vantara介绍,VSP One"专为持续可用性而设计,目标正常运行时间达99.999%"。双向异步复制通过允许主站点和辅助站点同时作为源和目标运行,增强了灾难恢复策略。
日立Vantara表示,新的VSP One SDS功能为企业客户提供了更大的灵活性、数据效率、增强的灾难恢复选项,以及跨本地和云环境的简化数据移动性。
在GCP上的VSP One SDS通过最近推出的VSP 360即服务控制平面设施进行管理。该设施管理VSP One混合云部署,提供AIOps预测性洞察和数据生命周期治理,公司声称这种方式既简化了操作又符合合规要求。
评论
日立Vantara正在构建一个混合云VSP One数据架构,据我们了解,该架构覆盖本地、AWS和谷歌云。日立Vantara的电子书声明:"虚拟存储平台(VSP)One是跨结构化和非结构化数据的单一数据平面,包括块、文件和对象存储,使组织能够在任何地方运行所有应用程序——无论是本地还是在公有云中。作为单一数据存储平台,它旨在消除孤立系统和不同存储系统的复杂性,使组织能够轻松安全地访问业务洞察所需的数据。"
消除孤立系统和复杂性的工作已经开始,但还有很长的路要走。VSP One SDS是块存储产品,现在已覆盖本地、AWS和GCP,但尚未支持Azure。VSP One File和VSP One Object虽然支持本地部署,但还没有公有云版本。
Q&A
Q1:VSP One SDS Cloud与普通VSP One SDS有什么区别?
A:VSP One SDS Cloud是VSP One SDS的云原生版本,专门为AWS和谷歌云平台等公有云环境优化。它利用云基础设施并包含多可用区支持等云专用功能以增强系统韧性,而普通VSP One SDS主要用于本地部署。
Q2:VSP One SDS的新功能能带来多少成本节省?
A:VSP One SDS的新功能包括双向异步复制、精简配置和高级数据压缩。日立Vantara声称,与之前版本相比,这些功能可将云存储成本降低多达40%,同时目标正常运行时间达99.999%。
Q3:VSP One SDS目前支持哪些云平台?
A:目前VSP One SDS支持本地部署、AWS和谷歌云平台(GCP)。不过根据评论内容,VSP One SDS还未支持Azure,而VSP One File和VSP One Object产品线目前只支持本地部署,还没有公有云版本。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。