至顶网软件频道消息: 红帽今天发布了一款名为Red Hat Storage One的新平台,扩充了软件定义存储(SDN)家族。
该平台旨在为企业提供一个“即插即用”的选项,以便采购和部署SDN并调整其性能。 Storage One将通过Red Hat多个服务器硬件合作伙伴(包括超微等)制造的预制存储系统提供。这些系统捆绑了所需的软件和硬件,以及来自Red Hat合作伙伴的支持服务。
红帽打造Storage One平台是为了向客户提供“开放、灵活和模块化”的存储系统,可以根据需要进行扩展以满足客户的需求。因此,Storage One的设计非常简单,只需使用基于红帽 Ansible自动化技术的安装工具,即可启动并运行。该系统还配置了很多用于服务的工作负载设置,例如媒体内容存储库和通用NAS存储。
此外,Storage One平台还针对这些特定工作负载的性能和吞吐量进行了优化,因此用户很轻松地就启动并运行起来。
红帽公司副总裁、存储业务总经理Ranga Rangachari表示:“那些需要跨开发混合云为现代工作负载和应用可移植性部署弹性存储的企业,正在寻求适合他们的软件定义存储。我们有很多存储客户正在寻求购买和部署一个只需要很少定制的打包解决方案。”
Storage One平台的设计考虑了可扩展性,配置可用范围从4个节点一直到24个节点。红帽表示,如果客户需要,后续系统可以持续更新以容纳更多节点。
Enterprise Strategy Group高级分析师Scott Sinclair表示:“具有变革性的软件定义存储可以提供比传统存储系统更大的优势,即使它是使用硬件进行部署。”
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。