企业级云服务商青云QingCloud日前宣布QingStor对象存储推出私有云软硬一体化存储解决方案,具备企业级高可靠和高可用特性,新增纠删码、存储分层、图片处理和对象生命周期管理功能,配合精心设计的通用硬件设备,极大地降低了企业用户的存储成本,成为企业级存储市场强有力的竞争者。
QingStor对象存储的公有云服务于2016年9月13日正式商用,完美地解决了非结构化数据海量存储的问题。但随着企业的不断发展,数据体量和企业需求都在不断增加,对存储也提出了新的要求,QingStor对象存储2.0由此诞生。在刚结束不久的青云QingCloud Insight 2017云计算峰会上,QingCloud发布QingStor对象存储2.0,是QingStor对象存储服务的一次重新定义和重大升级。
QingStor对象存储2.0被定义为“企业级存储解决方案”,相较于上一代产品,其在技术架构、产品体系及产品功能上均做出了重大升级。公有云服务和私有云一体化解决方案采用同一套架构。其中,新增的私有云一体化解决方案是在收集了大量企业需求后构建而成的,能够满足海量多样文件的统一存储管理、数据处理和大数据分析,并极大地降低传统集中式存储的成本。QingStor对象存储根据这些需求,提供了针对性的解决方案。其产品亮点如下:
QingStor对象存储私有云一体化解决方案从硬件、软件架构和软件功能三个层面着手,帮助企业用户降低存储成本。
精心设计X86通用硬件代替存储专用设备,节省大量初始采购成本。低频存储节点选用JBOD扩展框,提供了一种更经济、更节省空间的存储方式。
QingStor对象存储支持在同一套架构和调度系统下部署分层的存储集群,异构集群独立扩容,互不影响。作为软硬一体化解决方案,青云QingCloud提供了“标准存储”和“低频存储”两种存储分级,相应的,存储节点也分为标准存储节点和低频存储节点。通过对象生命周期管理,用户可以自定义分层存储策略,以自动触发数据分层迁移。
面向热数据的场景,QingStor对象存储在标准存储上提供三副本方案,在低频存储上提供纠删码方案,分为两类,一类是在存储集群上做跨机器的纠删码,另一类是在存储集群上做单机器内的纠删码,能够进一步节省存储空间成本。
通过支持对象数据的高可靠性和业务节点的高可用性,QingStor对象存储能够满足企业级客户的可用性需求。QingStor对象存储的数据采用三副本的方式进行存储,并通过MD5校验保障用户在上传、下载和多副本拷贝时的数据一致性;QingStor对象存储所有业务节点采用集群模式部署,硬件节点采用双网卡绑定,自身提供高性能的负载均衡服务,无单点故障,其高可用和高可靠特性是经过公有云长期验证的实践总结。
管理门户(Portal)作为私有云一体化解决方案里重要的亮点之一,能够让用户通过其了解系统的各种状态。管理门户目前支持系统监控、服务监控两种监控方式。日志系统会收集整个QingStor对象存储系统各个组件所产生的日志,进行汇总,并提供查询和过滤功能。告警系统支持向用户以自定义的方式进行告警信息的推送,目前支持Email、短信等方式。此外还有权限管理等相关工具。从运维角度来看,极大地减轻运维压力,节省人力成本。
QingStor对象存储私有云一体化解决方案适用于企业网盘、文档管理、OA数据的存储、视频文件的云存储、Web端或移动端应用中数据的高效存取,以及为了容灾、审计等目的进行数据的统一备份等应用场景。
青云QingCloud CEO黄允松表示,QingStor对象存储私有云一体化解决方案的推出,为用户的海量数据提供了企业级存储解决方案,极大地提升了企业存储的性价比和易用性。未来,包括对象存储、NeonSAN(Server SAN)和NAS在内的QingStor全线产品将持续创新,更全面地满足企业用户对存储的需求。
好文章,需要你的鼓励
萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说:"软件只有一个品类--信息管理。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。