中国北京,2020年12月17日——致力于帮助中国企业释放数据潜能、并加速数字化转型的领先智能数据管理解决方案和服务提供商,联想凌拓科技有限公司(以下简称“联想凌拓”)于今日推出其首款国产化分布式云存储ThinkSystem DF 系列,该存储系统是一款基于海光平台打造的,在原有NAS基础上,同时支持SAN和对象等广泛协议的全国产化分布式存储系统。其分布式架构、高扩展能力、高性能、统一管理的特性可满足企业海量数据的管理需求,助力“新基建”时代的企业在安全可靠的前提下,充分释放云端数据价值。
联想凌拓首席执行官陆大昕表示:“‘新基建’时代,海量数据汹涌而来,企业级用户更加需要从本地到多云环境的一站式解决方案来对数据进行端到端的管理。此次推出的ThinkSystem DF 系列是联想凌拓首款全国产化存储解决方案,也是我们自主研发国产化存储进程中里程碑式的一步。未来我们将会继续加大本土研发投入,并为中国企业提供更先进的技术、更优质的产品、更完善的服务,助力中国企业在“新基建”时代御风而行,勇立潮头。”
在“新基建”的数字化浪潮中,随着云计算、大数据、人工智能等技术的广泛应用,数据开始呈指数级增长,IDC预测中国的数据在2025年将会达到48.6ZB,其中,中国的企业级数据将成为主流,数据管理对于企业的重要性逐渐凸显,企业数据上云已成为数字化时代的主流趋势。在从本地到云的数据管理中,传统的企业IT存储架构面临诸多挑战。面对海量数据的增长,非结构化数据的增多,如何确保存储容量的同时又不折损性能;面对企业数据分析需求不断增多,如何妥善管理数据确保数据分析的时效性;面对“新基建”时代传统企业IT存储架构中云服务成本居高不下等问题,如何优化企业的数据管理成本;在信息安全已经提升到国家战略层面的背景下,应该怎样选择安全可信的国产化数据管理解决方案等等。
为应对这些挑战,中国企业迫切需要新的IT应用架构来支撑新型业务模型,在更低的成本下,高效地挖掘数据价值。联想凌拓推出的全国产化分布式NAS存储ThinkSystem DF 系列,使用联想服务器平台,基于海光7000系列CPU,主要聚焦在电信、金融、能源、交通、互联网等行业,可满足企业对海量存储、安全可信、容量和性能平滑线性扩展等数据管理需求,帮助中国企业构筑全新的IT应用架构。
分布式NAS存储ThinkSystem DF 系列具有以下特性:
高扩展能力,为“新基建”时代的企业提供强大的存储能力和管理性能:
分布式NAS存储ThinkSystem DF 系列可提供EB级别数据存储支持,其Scale-Out横向扩展基因,可横向按需扩展,最大支持8000个存储节点,支持SATA、NL-SAS、SAS、SSD硬盘混插,以实现存储的容量和性能的线性增长。
高性能,为“新基建”时代的企业提供强劲的数据处理能力:
分布式NAS存储ThinkSystem DF 系列采用先进的数据前端切片技术,可降低传统存储系统对磁盘造成的压力,大大提升存储性能;此外,其在数据切片之后可存放在所有存储服务器中,无访问热点效应,可实现读写压力完全负载均衡;并且,该系列无需后端的高速交换机,大大简化了网络建设复杂度,可为客户提供更强大的数据管理能力。
统一管理,为“新基建”时代的企业提供高效的数据整合能力:
分布式NAS存储ThinkSystem DF 系列采用通用的API接口,可与客户自有管理系统无缝整合,实现统一管理。例如联想、NetApp等品牌的存储也加入了ThinkSystem DF 系列的资源池,可帮助企业提高数据资源利用率,实现数据资源的动态调配。
在“新基建”开创的数字经济时代中,基于海量数据的应用与管理构建的“数字基建”将为中国企业提供前所未有的服务能力。作为中国智能数据管理领域的创新领导者,联想凌拓也始终致力于提供行业领先的智能数据管理解决方案和定制化服务,满足中国客户在“新基建”时代的新型业务需求。此次推出的全国产化分布式云存储ThinkSystem DF 系列也将进一步帮助企业挖掘云端数据价值,加速企业智能化数字转型。
好文章,需要你的鼓励
Scale Computing 正在将其 SC//Platform 与 Veeam Data Platform 深度整合,扩展 Veeam 不仅限于数据备份恢复,还提供数据管理和网络韧性能力。此次合作结合了 Scale Computing 无缝自动化的 IT 基础设施与 Veeam 业界领先的数据保护平台,通过 SCRIBE 快照技术,实现近乎即时、全方位虚拟机备份及跨环境迁移,预计 2025 年 Q4 上线,现场演示将在 VeeamON 2025 展会呈现。
本文回顾了 Pure Storage 如何利用其元数据引擎、拆分架构及并行处理优势研发 FlashBlade//EXA 系统,实现性能线性扩展,满足高 GPU 训练需求。
切换大型语言模型不仅仅是更换API键。分词方式、上下文长度、指令、格式偏好和输出结构的差异都可能引发意外问题,需精心调试和评估以确保顺利迁移。
本文讨论了企业推进 AI 项目中存在的八大问题,包括用户采纳不足、指令模糊、后续维护缺失、AI 替代人力、AI 洗白、伦理忽视、安全防护不足及缺乏明确政策。