基于VMware vSphere和vSAN的戴尔易安信VxRail支持任务关键型超融合基础设施环境
中国北京——2018年10月24日,戴尔科技集团宣布,基于VMware vSphere和VMware vSAN软件的戴尔易安信VxRail超融合基础设施设备获得SAP HANA生产环境认证。VxRail设备和VMware软件的认证,印证了戴尔易安信和VMware在高速增长的超融合基础设施行业中持续保持领先地位。
根据IDC的最新调查显示,在2018年第二季度,戴尔公司以28.8%的市场份额再次成为超融合系统领域的第一大厂商,同比增长95.2%。在戴尔易安信VxRail大获成功的驱动下,戴尔的增长速度超过整个行业,本季度系统销售额增长78.1%,达到15亿美元。与此同时,VMware在超融合系统软件领域中位居并列第一,收入份额达到34.1%,同比增长96.7%,是所有厂商中增长速度最为迅猛的。
戴尔易安信VxRail是业界唯一一款与VMware联合设计的交钥匙式且完全集成的超融合基础设施设备,由VMware vSphere和VMware vSAN提供支持,并且在最新戴尔易安信PowerEdge服务器上经过预先测试和配置。通过与现有VMware工具的无缝集成,这些设备是为超融合基础设施而简化VMware环境最简单、最快的方法。通过经济高效的超融合基础设施解决方案,VxRail提供了简洁的生命周期管理和可扩展性,该解决方案提供了多种计算、内存、存储、网络和图形选项,以匹配任何用例并涵盖各种应用和负载。
VMware首席运营官Sanjay Poonen表示:“客户现在可以从领先的超融合基础设施厂商戴尔易安信和VMware这里获取全面集成堆栈的运营优势,以支持其关键任务,以及对性能要求极高的SAP HANA环境。VMware很荣幸能够与全球领先的应用公司SAP合作,为客户提供更安全、更灵活的数字化基础,帮助客户增强可持续的竞争优势。”
戴尔易安信资深副总裁兼VxRail总经理Gil Shneorson表示:“戴尔易安信VxRail让利用超融合基础设施进行IT转型变得尽可能简单,以便客户采用并实现增长。随着越来越多的客户将VxRail用于核心数据中心负载,这项认证使得为内存数据库应用构建的VxRail成为SAP HANA客户卓越的超融合基础设施解决方案。”
SAP HANA技术创新网络负责人Martin Heisig表示:“SAP与VMware和戴尔易安信长期合作,共同帮助客户实现业务转型。今天这一消息凸显了戴尔科技集团和SAP所提供的技术深度和广度,使公司能够以更高的灵活性、高度可用性、更低的成本和轻松的配置来优化其SAP解决方案。”
VMware的软件已经成为集成化的数字基础架构,为企业和行业的应用程序和服务转型赋能。
很多客户已在考虑将业界领先的虚拟化产品VMware vSphere上的高可用性(HA)、容错功能(FT)与vSAN超融合软件的可适性和出色性能相结合,该认证将进一步简化超融合基础设施的运维成本,并节省了针对人工智能(AI)、机器学习(ML)、大数据、云原生、内存运算、关键任务和3D图形运算在内的各种负载上的资本支出。如今,超过60%的vSAN客户在其超融合基础设施环境中运行关键应用,如SAP NetWeaver解决方案、SQL Server、Oracle,以及越来越多的容器化和大数据负载。
SAP认证流程现已确认VMware vSphere和vSAN软件可在基于英特尔至强可扩展处理器的SAP生产环境上运行,其中包括纵向扩容和多虚拟机的场景。通过VMware和Virtustream之间的协作,vSphere还支持在四路服务器硬件上运行多达6TB的虚拟机的SAP HANA环境。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
这项由卡内基梅隆大学和东北大学联合开展的研究通过分析1322篇AI隐私论文,发现学术界92%的注意力都集中在训练数据泄露这一相对较小的威胁上,而聊天记录泄露、AI助手背叛、隐私推断和信息聚合等更严重的隐私威胁却被严重忽视,呼吁学术界和产业界重新审视AI隐私保护的优先级和策略。