
ZD至顶网服务器频道 10月26日 新闻消息(文/邹大斌): 10月25日,曙光公司在北京举行产品发布会,正式推出中科曙光StackCube超融合云计算一体机(以下简称“曙光超融合一体机”),为满足用户关键业务上云需求提供一体化方案。
超融合已经成为数据中心领域的一个新的亮点,特别是在当下服务器市场增长乏力的背景下,服务器厂商更是对此给予厚望。根据Gartner最近公布的2016年第二季度的数据,全球服务器市场增长2%,除亚太与东欧之外的其余所有地区均出现下滑。与此同时,超融合市场被普遍看好,IDC预测,超融合架构系统在2018年的市占率将达16%,Gartner则认为到2018年将有40%的中小型企业会用超融合系统代替单独的“服务器和存储”,并预测到2019年超融合形态将占据集成系统35%的份额。
实际上,市场上大多数的主流服务器厂商都有自己的超融合产品,比如,戴尔、HPE、联想、华为、浪潮等主流的服务器厂商。所不同的是,大家采用了不同的技术路线。比如HPE是完全基于自由技术,戴尔是与Nutanix合作,联想则既有基于自有技术的产品也有与Nutanix等公司合作的产品。
曙光选择的是与VMware合作,采用的VMware的VSAN,这背后的原因自然与曙光公司与VMware之间的紧密合作关系有关。曙光公司副总裁沙超群介绍说,曙光超融合一体机采用“虚拟化软件+内核级软件定义存储软件+通用X86硬件”的架构,其中内核级软件定义存储软件VMware VSAN不仅是业界最稳定的分布式存储,其性能表现同样不俗。
沙超群特别强调了曙光的超融合一体机是“内核级别的”。沙超群解释说,是因为VSAN与vSphere的结合是内核级,因此其效率更好,性能更好。
据了解,StackCube最大可支持4U空间400TB本地存储的超高存储密度,是传统机架服务器的2倍。2015年,VMware和曙光曾采用业界认可的SwingBench压力测试工具对VSAN进行测试。测试逼真地模拟电商业务中常见的4种交易,按500并发用户加压,VSAN以普通的四台服务器的配置获得了12592 TPS的优异性能与18块SSD的全闪存外置磁盘阵列相当。VSAN无疑具有更高的性价比。
“小型数据中心只需要配置一套4节点超融合一体机即可以满足需求。”沙超群说,一套曙光超融合一体机在混合读写模式下,每台每秒进行读写操作的次数(IOPS)达100000次,显示了优越的磁盘性能。更重要的是,曙光超融合一体机的高IOPS均是在超低存储延迟条件下实现的:关键业务丝毫不受影响。
发布会上,“高可用性”也是曙光强调的一个亮点。沙超群介绍说,为了免去用户部署应用的后顾之忧,曙光超融合一体机在稳定性方面下足了功夫,从软件层面、硬件层面到逻辑层面乃至数据中心层面均精心设计,以应对发生在IT基础设施上的各种故障和灾难,用超高可用性护航用户的关键业务。
曙光超融合一体机拥有虚拟机容错(FT)、HA、vMotion、VDP功能,可获得级别更高的可用性和数据保护,确保业务连续性。在Virtual SAN环境下,曙光超融合一体机的数据多副本存储策略和数据纠删码容错机制,可保证即便发生硬件故障(磁盘、主机、网络、机架损坏等),也不会造成数据丢失或停机。曙光超融合一体机制定了灵活的备份策略,数据可从超融合一体机在线迁移至备份一体机,且用户业务不受影响;在数据中心层面,超融合一体机支持Virtual SAN可扩展集群,拥有跨站点容灾支持。
此外,稳定可靠的VMware VSAN能够与vSphere的其他功能紧密集成,如vMotion、HA等,也将确保一体机计算层和存储层高度可用。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。