QLC的故事:从妥协到突破
长期以来,关于四层存储单元(QLC)介质的讨论总围绕“妥协”展开,以性能和可靠性为代价换取更低的成本。类似的观点也曾出现在之前的闪存技术演进中。事实上,不久前,三层存储单元(TLC)闪存还被认为是主工作负载的高风险存储选择,但如今,它已成为企业全闪存阵列的基础。那么,QLC是否也能实现同样的飞跃?
一年多前,Dell PowerStore便将这一设想变为了现实。戴尔科技的目标是提供一种无妥协的解决方案,能够以一致的高性能、超低延迟和坚如磐石的可靠性处理任何工作负载。如今,PowerStore出货容量中采用QLC介质的占比已超20%。回溯QLC的历史,更能清晰洞察PowerStore是如何逐步改变业界对QLC的固有认知。
QLC早期阶段
对QLC性能和可靠性的顾虑并非空穴来风,而是源于其早期应用的实际表现。混合闪存阵列(HFA)在规模达数十亿美元的外部存储市场中占据了重要份额,为争夺这一市场机遇,早期的QLC阵列作为一种更低成本的替代方案被部分未采用混合模式的供应商引入,但与其他产品相比仍存在显著差异:
随着时代发展,PowerStore的软件创新正在扭转这些陈旧观念。
PowerStore释放闪存的全部潜力
PowerStore通过各类软件创新让客户无需因节约成本对性能做出妥协。通过优化数据放置、简化数据路径并最大限度减少对闪存的不必要写入,PowerStore将QLC转化为企业级存储的高速利器。具体实现方法如下:
PowerStore的创新设计不仅扩展了介质本身的优势,还可整合多样化工作负载,并利用内置智能功能在双活控制器架构下自动优化设备性能。它既支持单硬盘容量扩展,亦允许在混合及相同配置设备间进行横向集群扩展,以适应不断变化的需求。
由此,戴尔科技为客户打造了一款面向未来的解决方案,充分利用尖端全闪存技术的潜力,同时提供卓越的简洁性、出众的成本效益和无与伦比的灵活性。
PowerStore重塑QLC认知
PowerStore将QLC从一个以成本为中心的次级存储选项转变为一个适用于任务关键型工作负载的高性能解决方案。在评估最新存储技术时,请牢记以下关键点:
无论是进行基础架构更新、添加全新工作负载,还是探索存储创新的最新进展,PowerStore都能提供卓越的灵活性、简洁性和可靠性,以满足企业当前需求,并随业务增长持续扩展,适配未来发展需求,充分释放闪存技术的全部潜力
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。