如果你的组织和大家一样,那你至少会将一些应用和数据部署到一个公有云中。取决于特定的使用场景,你现在可能想知道你的环境是否可能从混合云存储中 受益。通过云资源来辅助数据中心存储,你可以确保你的生产应用可以随时获取最重要的主数据,同时将不经常访问的数据放到低成本的弹性云存储中。有几种集成 方式可以用于实现混合云存储的优势。
为了确定哪种云整合的方式对你的组织来说最合适,你需要考虑用例需求,组织对于变革和创新的态度,以及内部具备多少IT专业知识和资源可以规划并实施混合部署。
DIY迁移到云存储
你也许会选择一个自己动手的方式进行混合云集成,使用基于REST的应用程序编程接口—基于HTTP的存储协议,允许数据中心和云应用程序直接访问 基于云的对象存储,如亚马逊S3或OpenStack Swift。为了优化数据存放,你可以构建混合云应用来负责本地和异地存储系统之间的数据迁移,将不太活跃的主数据推送到云里。这种方法并不适合所有人, 因为它需要已经构建好的或者为了云重新架构过的应用,并且这对于开发团队来说需要花费一些精力。如果你有内部的专业知识和资源,这种方法让用户能够完全灵 活地定制混合云环境以适应具体的需求和用例。基于Taneja Group与最终用户的交谈,我相信,只有少数企业和中等规模的组织有能力和资源来追求自己动手混合云集成,所以如果这个方法不适合你也无需感到惊讶。
云网关迁移方式
你的组织更有可能从本地网关产品受益,那些产品旨在为生产应用提供本地性能,并提供具成本效益的云可扩展性。这种方法适用于传统的,没有必要为云重 新架构的应用程序,它不需要前期的开发。网关产品可基于一个独立的物理或虚拟设备,或者其网关功能可以被植入通用的存储系统。这些产品对工作负载来说往往 看起来像一个传统的存储阵列,通常提供一个很大的用于提高性能的本地缓存以及一个通往云的网关。大多数产品支持多种公有云,而且在许多情况下,它们支持多 协议—对象、块和文件。
云存储网关支持多种使用案例,包括备份到云对象存储,故障转移和恢复,主动或长期归档,文件同步和共享,用于云分析的数据存储。他们甚至可以作为远 程或分支机构所部署的本地主存储的替代方案,有本地缓存增强性能并可自动同步回云中。比如说Ctera Networks就是一家提供满足许多这些用例的产品的公司之一。
云网关替代方案清单
一些网关产品包含智能云层作为一个完全整合的功能。如微软的StorSimple,这是一个云集成的存储设备,数据可以在其中自动转移,并可以跨层 管理。你可以使用这样的产品将不活跃的主数据自动归档到云层以及将快照存储到云中。自动分层的功能省去了异地,二级存储基础设施的需求,同时以具有成本效 益的方式来管理数据的生命周期。
云网关评估
当你考虑网关产品和功能时,询问供应商关于他们的缓存或者分层算法,以确保能够满足你的特定用例的性能需求。寻找那些在将当前工作设置存储到本地固 态硬盘的产品,主动但透明的,将不经常访问的数据推送到一个传统磁盘层,并最终存到云中。更先进的平台提供存储策略,让用户能够更好地根据具体的需求定制 缓存或分层算法。
虽然混合云存储网关已经非常流行,但这是一个令人兴奋和快速发展的领域,新的架构方案还在不断涌现。有一些软件定义存储产品也很值得考虑 ,如Hedvig、Nexenta或Qumulo,主要用于控制和管理跨云和本地基础设施的混合存储。其他厂商正在颠覆传统的混合云基础架构栈。其中一个 供应商的例子是Velostrata,它允许用户将计算移到云中,同时又保留本地主存储,帮助提供具有成本效益的高性能生产应用。
公有云的普及,和将其连接到本地应用和基础设施的种种创新方式,宣告了混合云存储的时代已经到来。
好文章,需要你的鼓励
OpenAI推出ChatGPT Images新版本GPT Image 1.5,承诺更好的指令遵循、更精确的编辑功能和高达4倍的图像生成速度。该模型面向所有ChatGPT用户和API开放。这是OpenAI在CEO奥特曼宣布"红色警报"后与谷歌Gemini竞争的最新升级。新模型提供后期制作功能,支持更精细的编辑控制,能在编辑过程中保持面部相似度、光照、构图和色调的视觉一致性,解决了传统AI图像工具迭代编辑时缺乏一致性的问题。
艾伦人工智能研究所开发的olmOCR 2通过创新的单元测试训练方法,将文档识别准确率提升至82.4%,在处理复杂数学公式、表格和多栏布局方面表现卓越。该系统采用强化学习和合成数据生成技术,实现了完全开源,为全球研究者提供了先进的OCR解决方案,推动了AI技术民主化发展。
Zoom推出AI Companion 3.0,采用联邦AI架构结合自研模型与OpenAI、Anthropic等第三方大语言模型。新版本具备智能工作流、对话式工作界面等功能,可将会议对话转化为洞察、进度跟踪和文档内容。系统支持加密传输,不使用客户内容训练模型。用户可通过ai.zoom.us访问,或以每月10美元独立购买。
苹果公司发布了包含40万张图片修改案例的AI训练数据集Pico-Banana-400K,涵盖35种修图操作类型。该数据集采用严格质量控制,包含成功失败案例对比和多轮修图场景。研究显示AI在全局修改方面表现优秀,但精细操作仍有挑战。这为AI修图技术发展奠定基础,未来将让修图软件更智能易用。