ZD至顶网服务器频道 03月12日 新闻消息: 作为全球最大的网络公司之一,Facebook多年来一直被迫通过设计和构建自己的数据中心服务器集设备进行创新,以弥补传统硬件厂商无法满足自己需求这一事实。Facebook对此采用了一种新颖的方法,打破传统计算组件并将这些组件重构为“模块化分解系统”,使其能够在出现更好的技术时更换硬件和软件。现在,下一代数据中心硬件已经到来,Facebook正在花时间采用它。
在加州圣克拉拉举行的Open Compute Project Summit 2017大会上,Facebook宣布开始新一轮的服务器更新,将替换掉所有旧的设备为新公布的设计腾出空间——Facebook为OCP计划贡献了4款新的服务器。
早在2012年的时候Facebook首先提出创OCP,目标是推广更高效的、环保的数据中心设计和架构。这个想法是其他超大规模网络公司不用单独行动,而是通过实施Facebook以及该组织其他成员经过验证的数据中心设计就可以了。这些设备包括一些针对广泛的不同计算用途定制的服务器,这也解释了为什么Facebook为更广泛的社区提供它新的服务器设计。
Facebook新服务器设计最重要的地方也许就是它最新的存储机柜“Bryce Canyon”了,这是社交巨头Facebook自2013年发布Open Vault存储系统以来“首个重要的、全新设计的存储机柜”,Facebook技术项目经理Arlene Murillo在一篇博客文章中这样写道。
Bryce Canyan将成为Facebook数据宗信的新主力,针对高密度图片和视频存储设计的。该系统是对上一代Honey Badger存储服务器的重大改进,具有更高存储容量、更高能源效率,并且兼容Open Rack v2标准。
Facebook的Bryce Canyon服务器(来源:Facebook)
Facebook还设计了一种新的服务器来支持其人工智能技术。“Big Basin”是Facebook“Big Sur”图形处理单元服务器的下一代,针对深度学习和神经网络而设计,具有多项在可服务性、可靠性、性能和集群管理方面的改进。因此,Big Basin“可以训练大出30%的模型,因为计算吞吐量更高且内存大小从12GB增加到16GB”。
Facebook还推出了几个小型服务器,包括“Tioga Pass”,替代了旧的“Leopard”服务器,并将用于运行社交网络上的各种计算服务。最后,Facebook推出了Yosemite V2多节点计算平台,结合新的Twin Lakes 1S服务器,用于更有针对性的计算工作负载。
Facebook在Open Compute网站上提供了每种新服务器的完整规格信息。
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。