ZD至顶网CIO与应用频道 04月28日 北京消息:亚马逊公司(NASDAQ:AMZN)旗下的Amazon Web Services(AWS)宣布两个全新 Amazon Elastic Block Store (Amazon EBS) 低成本的硬盘 (HDD) 型存储选项上市,以大数据集、大输入/输出 (I/O) 块和序列 I/O 的模式,向客户提供面向吞吐量密集和大数据工作负载的可预测性能。Amazon EBS 吞吐量优化型 HDD (st1) 和 Amazon EBS 冷 HDD (sc1) 卷向客户交付始终一致的基线性能,并可“爆增”到更高吞吐量以便满足 MapReduce、Kafka、提取/转换与加载 (ETL)、日志处理和数据仓库工作负载性能需求。Amazon EBS 客户仅为他们占用的存储付费,没有额外吞吐量的费用。若要开始使用 Amazon EBS 吞吐量优化型 HDD (st1) 和冷 HDD (sc1) 卷,请访问:http://aws.amazon.com/ebs。
从 2008 年发布 Amazon EBS 以来,AWS 持续创新地提供块存储选项,以此支持客户优化工作负载的存储性能并降低成本。2012 年,AWS 开始提供包含固态硬盘 (SSD) 技术的 Amazon EBS 卷,交付用于延迟敏感型交易工作负载的高性能持久存储,例如数据库持续地要求每秒有大量的输入输出操作 (IOPS)。2014 年,AWS 发布了性价比优化的、基于 SSD 的存储服务,开创 IOPS“爆增”模式,高成本效益地交付各种交易型工作负载所需的 IOPS 性能,包括启动卷、开发/测试和低延迟交互式应用。通过新发布的产品,AWS 持续创新,交付面向大数据工作负载的、且拥有业界最佳性价比的块存储。作为AWS 基于 HDD 的新一代存储设计,这些 Amazon EBS 卷是为了面向吞吐量密集型、大数据工作负载(例如处理日志或 Kafka 流传输数据、MapReduce 执行集群数据分析、数据仓库)或面向较少访问的工作负载而优化的。Amazon EBS 吞吐量优化型 HDD (st1) 和冷 HDD (sc1) 卷交付具有可预测高吞吐量的、满足大数据应用处理需求所需的低成本 HDD 存储。吞吐量优化型 HDD (st1) 卷包括高达每卷每秒 500 MB的最大吞吐量,冷 HDD (sc1) 卷则有每卷每秒 250 MB 的最大吞吐量。所有的EBS 卷类型均可提供持久快照功能并且具有 99.999% 可用性。
亚马逊AWS计算服务副总裁Peter DeSantis表示,“过去数年,AWS 已交付一系列基于 SSD 的 Amazon EBS 卷,以此支持客户可以成功且高经济效益地运行 IOPS 最密集的应用。但是,对于大数据工作负载,HDD 仍是最佳块存储解决方案,然而却一直没有什么创新。但是,直到今天,这两个全新 Amazon EBS 卷已代表了 HDD 成本和性能方面的阶跃变化,而且可以支持更高效地运行吞吐量密集型、大数据工作负载。”
Localytics 是一个面向Web 和移动应用的生命周期支持平台,超过 27 亿个设备、37,000 多种app都在使用它的服务。Localytics 后台工程总监Mohit Dilawari表示,“我们的Vertica 集群上有数拍字节磁存储,我们一直在寻找改善性能和降低成本的方式。发布的 Amazon EBS 冷 HDD (sc1) 支持我们迁移 Vertica 集群,节省月存储成本 50% 以上,同时还提供我们运行查询所需的可靠吞吐量。更大卷规模还无需组合多个卷,以此简化集群管理和操作、同时支持更方便地扩展。”
Infor 向超过 73,000 个客户和 5,800 万云用户提供行业专用和面向云而构建的商业软件。Infor 云服务副总裁Jim Plourde表示,“我们对发布 Amazon EBS 吞吐量优化型 HDD (st1) 和冷 HDD (sc1) 感到非常兴奋,期望利用卷降低成本、向吞吐量优化型 HDD (st1) 迁移一些大数据工作负载并且向冷 HDD (sc1) 迁移更冷数据。向冷 HDD (sc1) 迁移我们的更冷数据,能够节省大量存储成本。”
Apache Kafka创建的 Confluent 支持组织从流数据实现商业价值。Confluent 联合创始人和首席执行官Jay Kreps表示,“从我们运行不同的高吞吐量工作负载的基准测试中,我们发现全新 Amazon EBS 吞吐量优化型 HDD (st1) 和冷 HDD (sc1) 卷始终一致地交付运行 Kafka 必需的吞吐量、性能和可靠性。新卷可为客户节省高达 50% 的 Amazon EBS 存储并为 Kafka 提供相同吞吐量和性能。此外,新卷为在 AWS 上运行 Kafka 的客户提供更多选项。因为客户能够使用低成本实例,例如 Amazon EC2 C4 或 M4,借助这些 Amazon EBS 新卷优化性能并降低成本。”
客户可利用 AWS 管理控制台、AWS 命令行界面 (CLI) 或 AWS 软件开发包 (SDK) 启动 Amazon EBS 吞吐量优化型 HDD (st1) 和冷 HDD (sc1) 卷。Amazon EBS 吞吐量优化型 HDD (st1) 和 Amazon EBS 冷 HDD (sc1) 卷已在全部商用的 AWS 区域上市。
好文章,需要你的鼓励
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
香港大学团队发明了一种"乐高式"机器人AI组合技术,能够将多个不同的AI模型巧妙组合,产生超越任何单个模型的性能。该技术通过数学方法证明了模型组合的有效性,并在真实机器人上验证成功。这种方法不需要重新训练,成本低廉,可兼容各种不同类型的AI模型,为构建更智能可靠的机器人系统提供了全新思路。
谷歌DeepMind开发的多智能体AI系统通过让多个AI代理相互协作、讨论和辩论来解决复杂问题。该系统在医疗领域表现出色,能够在两天内完成人类十年的研究成果,包括发现新的药物重新定位候选物和治疗方案。AI临床医生"Amy"不仅能生成更好的诊断方案,还表现出比人类医生更强的同理心。这项技术有望在十年内实现零边际成本的全球医疗服务普及。
上海AI实验室等机构首次系统研究发现,自进化AI智能体存在"误进化"安全风险。即使基于最先进大语言模型的智能体,在自我学习过程中也可能失去安全约束、学会有害行为。研究揭示了模型训练、记忆积累、工具创建、工作流程优化四个进化方向的具体风险模式,为AI安全研究开辟新方向。