至顶网软件频道消息: 10月13日,2017杭州·云栖大会上,阿里云正式推出混合云存储阵列,将云存储的高性价比和可扩展性与本地数据中心架构相结合,帮助客户轻松实现数据在本地数据中心和公共云之间的无缝流动。
阿里云混合云存储阵列负责人表示,该产品适用于对本地存储有较高性能和稳定性要求,同时希望在云端扩充存储容量,或利用云端做异地灾备,并且要求无缝上云的企业级客户,帮助用户实现数字化转型。
在传统IT架构中,企业对传统存储阵列的依赖度很高,在短期内完全迁移到云端会有诸多的挑战,甚至会涉及到系统的重新构建或者应用程序的开发,对客户来说改动量很大,也会面临不小的风险,同时还有很多客户对敏感数据的物理存放地有要求,所以越来越多的企业采用混合云来实现面向未来的数字化转型,而阿里云混合云存储阵列是部署在客户数据中心的物理存储阵列,客户无需改变现有的IT架构,就能方便快捷地使用公共云存储空间。
阿里云混合云存储阵列作为软硬一体的存储设备,集成了阿里云存储服务,融合了公共云存储和传统存储阵列的优点,既能实现客户敏感数据本地管控,又能充分利用公共云存储易于扩展,快速灵活部署的优势,满足客户不同的应用对数据管控以及性能容量的需求。
"支持本地存储和云端存储的文件数据同步,兼顾性能与数据保护也是本次发布的混合云存储阵列的一大特色,能利用云端自带的多副本保存和跨区域的能力,轻松构建同城和异地灾备环境。" 阿里云混合云存储阵列负责人介绍,混合云存储阵列支持用户在阵列本地存储中建立多版本快照,并将各时间的快照镜像上传到预配置的云端存储作为备份,当本地需要灾备恢复的时候,可以直接从云存储阵列上获取快照版本恢复。如果本地快照丢失,再通过存储阵列从云端获取快照版本恢复。
在使用方面,混合云存储阵列也充分从用户角度出发,无需更改原有的IT架构,就可以像使用本地存储设备一样使用阿里云混合云存储阵列,同时使用本地存储空间和海量云端存储空间,无需关注本地设备存储协议同云存储协议之间的兼容性。
阿里云一直十分重视用户数据保护,这次发布的混合云存储阵列产品,采用了全冗余的硬件设计,支持端到端的数据加密,集成AD/LDAP,支持ACL,云端分布式存储提供多副本跨区域保护,10个9的数据高可靠性,全链路的日志监控和完备的数据一致性校验,确保用户数据的安全和可靠。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
北航团队开发的GeoSVR技术突破了传统3D重建方法的局限,采用稀疏体素表示和体素不确定性评估,无需依赖初始点云即可实现高精度表面重建。该方法通过智能的深度约束和体素协同优化策略,在DTU等标准数据集上取得了最佳性能,为VR/AR、文物保护、影视制作等领域提供了新的技术选择。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
Google DeepMind团队发布了EmbeddingGemma,这是一个仅有3.08亿参数的轻量级文本理解模型,却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一,支持250多种语言,特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术,实现了性能与效率的完美平衡,为AI技术普及化开辟了新路径。