HPE现在支持1到4个节点的Alletra Storage MP B10000扩展,无需网络交换机,节省机架空间和功耗。
Alletra Storage MP B10000的命名确实有些冗长。它基于Alletra Storage MP技术,采用分解式共享一切(DASE)架构的横向扩展存储节点。Proliant服务器/控制器节点(如B10140)提供计算能力,而NVMe SSD扩展机柜(JBOF)存储驱动器。节点通过支持RoCE v2的Aruba交换机互连。B10000是该系统的块协议版本,X10000是对象存储版本,GreenLake文件存储则是文件协议版本。此前只能配置无交换机的2节点B10000系统,使用直连100 GbE RoCEv2连接,现在HPE将限制提升至4个节点。
HPE存储产品高级副总裁兼总经理Jim O'Dorisio在博客中表示:"这种新配置标志着HPE在AI就绪、更可持续基础设施战略方面迈出的关键一步。新的4节点无交换机配置提供业界领先的密度和效率,同时最大限度地降低功耗。对客户而言,这意味着他们可以在更少的空间内获得更多存储并整合应用程序,随着业务需求发展,还可选择以这种模块化设计为构建块来建设更大的数据中心。"
据了解,与交换机配置相比,4节点无交换机系统可节省高达73%的机架空间和47%的功耗。HPE GreenLake数据服务云控制台提供AI驱动的洞察和更快的供应,将运营时间减少多达99%,而预测性分析有助于防止86%的中断。这些数据基于2021年4月的ESG市场研究。
4节点无交换机配置"有助于满足金融服务、制造业、电信和云运营等客户的需求,他们更偏好增量式基础设施扩展而非单一大型集群。"
根据长达29页的HPE Alletra Storage MP B10000快速规格文档——完整规格文档必定更加庞大——最初的Alletra MP块系统产品名称甚至更长。文档指出:"HPE Alletra Storage MP B10000已重新命名——此前名为基于HPE Alletra Storage MP构建的HPE GreenLake块存储。"某些产品命名者可能缺乏常识。
B10140(4N)是4节点无交换机系统,支持NVMe over TCP主机协议,配备32核CPU。它最多可支持3个驱动器机柜,每个机柜最多24个驱动器,最大原始容量2.2 PB,有效容量6.17 PB,数据缩减比为2.8:1。
O'Dorisio卖关子地说:"它以业界最小的占用空间和最低功耗实现了SAP HANA的顶级性能。与主要竞争对手的高端系统相比,B10000现在提供的容量密度高达6倍,功耗降低多达65%,同时保持相似性能。"他没有透露具体的比较系统。
Q&A
Q1:HPE Alletra Storage MP B10000有什么新特性?
A:HPE Alletra Storage MP B10000现在支持最多4个节点的无交换机配置,比之前的2节点限制增加了一倍。这种配置采用直连100 GbE RoCEv2连接,无需网络交换机,可节省高达73%的机架空间和47%的功耗。
Q2:4节点无交换机配置适合哪些行业客户?
A:这种配置主要面向金融服务、制造业、电信和云运营等行业客户,特别适合那些偏好增量式基础设施扩展而非单一大型集群的用户。它采用模块化设计,可随业务需求发展逐步扩展数据中心规模。
Q3:B10140系统的存储容量和性能如何?
A:B10140是4节点无交换机系统,配备32核CPU,最多支持3个驱动器机柜,每个机柜最多24个驱动器。最大原始容量可达2.2 PB,有效容量6.17 PB,数据缩减比为2.8:1,能够以业界最小占用空间实现SAP HANA的顶级性能。
好文章,需要你的鼓励
云文件服务供应商Nasuni进行高管调整,创始人兼CTO安德烈斯·罗德里格斯卸任CTO职务,由前戴尔工程副总裁杰瑞·卡特接任。新任CFO罗斯·格兰杰替代离职的财务负责人雷·黑尔。自去年4月新CEO萨曼莎·金上任以来,已更换8个高管职位人员,新团队专注于"帮助企业释放非结构化数据在AI方面的价值"。
加州大学伯克利分校研究团队开发的Pillar-0是一个突破性的医学影像AI系统,能够同时处理CT和MRI等多种影像类型的366项诊断任务。该系统采用创新的多窗技术和Atlas架构,在四种主要影像检查中准确率达86-90分,显著超越谷歌、微软等竞争对手。研究团队还开源了完整系统,为全球医学AI发展提供强大基础。
北美主要数据中心枢纽面临电力和土地限制,运营商转向新兴市场寻求支持AI和高性能计算负载的新位置。德克萨斯、宾夕法尼亚、卡罗来纳州等次级市场通过提供经济激励、加快审批流程和灵活监管框架积极竞争AI驱动的数据中心投资。华盛顿中部拥有全美最低能源成本,宾夕法尼亚获得两党支持,卡罗来纳州电力基础设施强劲。未来数据中心增长将更多依赖能够平衡电力供应、许可速度和经济激励的地区。
马里兰大学研究团队开发MASS系统,通过空间时间感知技术让AI具备物理学家般的视频理解能力。该系统创建了包含8361个问答对的MASS-Bench基准,将视频中的运动轨迹转换为AI可理解的语言描述,并使用强化学习训练模型的物理推理能力。实验显示经过训练的模型性能提升6-8.7%,在物理异常检测任务上甚至超越商业顶级产品,为AI视频内容审核、教育和科研应用开辟新方向。