近日,在国际权威的VMmark测试中,浪潮信息inMerge1100超融合产品搭载NF5280M7服务器,满载运行44Tiles取得40.95分的成绩,刷新了vSAN架构(Intel双路最新平台)虚拟化性能测试纪录。该测试结果证明inMerge1100可以以卓越的性能支持更大规模的用户,这对关键业务、虚拟桌面云、开发测试、远程分支机构等场景的配置选型提供参考借鉴。
VMmark双路服务器最新测评结果
VMmark,最权威的虚拟化性能基准测试
VMmark是VMware公司推出的业界权威的衡量虚拟化性能的测试工具。该测试实现了对企业基础信息化系统的高仿真模拟,创新性地引入了“片状单元 (tile) ”的概念,每个片状单元涵盖文件、邮件、Web等六种常见的业务系统,各业务系统的压力和参数设置根据实际情况有严格的设定。通过片状单元的加载测算出每台服务器所能承载的虚拟机数量及单个虚拟机的运算性能,得出测试成绩。简而言之,测试成绩反映了两个方面的指标:一是在确保性能要求的情况下,测试平台最大可以承载多少个仿真企业的信息化系统的片状单元,即量的指标;二是在承载片状单元相同的情况下,测试平台的性能表现,即质的指标。这对于虚拟化用户选择服务器硬件和部署方案都具有很高的实际参考价值。
在此次VMmark 3基准测试中,浪潮信息使用4节点inMerge1100超融合集群,部署了44个Tile,共计836个虚拟机,最终以40.95分打破测试纪录,同时Tile数量相比第二名提高了5%,无论是虚拟机数量还是虚拟机性能,都位于参测厂商之首。
以vSAN架构典型应用虚拟桌面为例,测试结果表明inMerge1100可以随着业务需求的变化进行动态扩展,实现系统计算力和存储力的在线扩容,支持更大规模的用户同时提供卓越的性能,这对虚拟桌面应用至关重要,同时对开发测试云、远程分支机构等场景的配置选型具有指导意义。另一方面在核心Tile的计算性能上,inMerge1100在Application_Score子任务中性能领先。Application_Score子任务主要衡量Weathervane Auction application每笔交易完成的平均时间,和DVD store每个操作的平均延迟,这意味着inMerge1100产品可以为金融、电信等行业关键应用及远程容灾等各种高并发场景提供高效保障,同时通过自动化的故障转移和恢复功能,确保数据的高可用性,从而保持业务连续性。
VMware VMmark架构图
浪潮信息inMerge1100,最佳超融合解决方案
VMmark测试考验了厂商在无限接近真实应用环境中不同硬件平台的虚拟化性能,浪潮信息inMerge1100超融合系统集最新G7算力平台、VMware vSphere虚拟化与vSAN分布式存储架构于一体,在硬件系统设计、优化加速及散热等方面持续创新,在方案的选择、开发以及优化等方面具备丰富经验。
浪潮信息inMerge1100超融合解决方案
创新的硬件系统设计:支持全新一代英特尔Eagle Stream平台至强处理器,CPU核数相比上一代提升100%,内存带宽提升50%,采用高速互联设计和4组UPI互联链路,实现部件间数据共享,降低传输过程中的性能损耗,最大支持24个NVMe设备直连,提供强大的存储和计算能力 ,整机性能相比上一代提升208%;
优化的加速技术:浪潮信息作为全球领先的服务器生产商通过与合作伙伴持续对服务器BIOS/ BMC 等部件进行优化,发挥硬件极致性能,确保更好适配VMware软件产品;同时支持智能网卡、RDMA组网等网络技术,在服务器、系统层以及部件级三层技术创新,充分发掘产品潜能;
独特的散热技术:为满足高TDP CPU的散热需求,采用独特的散热设计,包括400多个传感器、高效散热的T形散热器,部件级精准检测智能调控、整机分区智能调控技术和出风通道风流优化等,为产品极致性能的发挥保驾护航;
广泛的场景适配:inMerge1100超融合系统,搭载VMware vSAN存储架构,基于软件定义、计算与存储融合、内置虚拟化、线性横向扩展等特性,经过预集成和调优可以快速、稳定的提供一站式私有云服务,承载虚拟化环境下的各场景应用,如:企业关键应用、虚拟桌面、开发测试、分支机构、远程容灾等,是面向现代数据中心的解决方案,帮助客户简化IT架构,缩短方案开发部署时间,降低成本。
目前,浪潮信息inMerge超融合系统已大量应用于金融、企业、医疗、交通、能源等行业,经过了多种行业场景的检验,可以帮助客户解决管理复杂、TCO高、不易扩容等挑战,加速数字化转型。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。