“万丈高楼平地起”需要多少数据?这些数据又该如何管理,才能抵御生活中的自然灾害和网络中的网络攻击所带来的种种挑战,满足企业的发展需求?澳大利亚房屋建筑商BGC选择了Commvault来提升自身灾难恢复水平,促进自身的持续发展。
万丈拔地起,如何筑牢数据根基?
BGC是西澳大利亚州最大的房屋建筑商之一,也是澳大利亚年营业额最高的私人企业之一。BGC从1960年代的一家房地产开发商起步,现已发展成为一家集成了多个垂直领域的多元化企业。公司的产品和服务包括生产用于建造从房屋到体育场馆等各种建筑的建筑材料、提供重型运输服务等。
BGC丰富的产品和服务会产生大量数据,包括邮箱、施工记录、生产规格等。如果灾难恢复策略没有就绪,那么洪水、火灾等意外的自然灾害可能会对业务造成严重破坏,比如法律规定该公司建筑项目的延长保修期要在7年以上,如果在这7年中该项目的数据遭到破坏且无法恢复,可能就会对后续工作造成影响。
由于BGC的数据分散在本地数据中心、远程站点和云端,IT团队可能需要几个小时甚至几天的时间来恢复一个文件,尤其是当需要恢复一个大型备份时。公司缺乏能够支持不同平台的灾难恢复解决方案,包括本地数据中心、远程站点和SaaS环境。
此外,由于BGC所覆盖的业务范围非常广泛,公司数据的规模和种类也大而繁杂。为满足市场需求,并推动公司持续增长,BGC需要保证其数据始终可用。BGC之前使用过多种备份解决方案,包括戴尔EMC Avamar、戴尔EMC Data Domain和IBM TSM等。由于使用多种遗留解决方案,数据备份和恢复变得既不可靠又耗费时间。
“我们在使用遗留解决方案时很难满足所有平台的需求(Oracle云、Salesforce、Azure)。”BGC系统工程师Adrian Lerch表示,“我们的遗留解决方案无法进行某些复原,所以我必须不断地给备份取样并花时间进行恢复测试。这给我们造成了巨大的麻烦。我们的数据每年都在成倍增长。”
对此,BGC选择与Commvault合作,在Microsoft Azure上部署Commvault Complete? Data Protection保护本地和云环境中的数据。Commvault合作伙伴Lumen IT在整个实施过程中为BGC提供建议和支持。
根深方叶茂,灾备助力企业发展
根据Commvault合作伙伴Lumen IT的战略建议,BGC简单而直接地完成了向Commvault Complete? Data Protection的过渡。
Lerch表示:“Commvault数据保护与我们99%的环境相匹配,这是一个巨大的惊喜。在迁移到Commvault后,我们不需要修改流程,也不需要参加很多其他培训。相关的文档也很容易理解。”
Commvault及其合作伙伴帮助BGC对公司的2PB数据进行了去重,去重后为249TB。数据涉及在本地和云端各有1500个邮箱的Microsoft 365、Salesforce应用程序、Oracle云应用程序、500个VMware虚拟机、MySQL数据库、Microsoft Exchange、Microsoft SharePoint、Teams等。
凭借Commvault Complete? Data Protection,BGC通过Commvault Command Center内置的分析工具,简化了监测灾难恢复的流程,使该公司每次都能轻松验证丢失的数据是否成功恢复。Lerch和他的团队现在可以把精力放在更具生产性的工作上,比如迁移、系统升级等,将花在数据管理上的时间减少了近10倍。此外,通过Commvault,BGC将其恢复时间目标(RTO)和恢复点目标(RPO)提高了62%,恢复一个丢失文件或邮箱数据的时间从几小时缩短到几分钟,提高了发生自然灾害或网络攻击时的数据可用性和可访问性。
“使用Commvault进行灾难恢复和工作负载迁移测试可以帮助我们确认自己是否具备完全安全的备份,以及是否可以随时恢复数据,而不会出现故障。合规性对我们的业务也很重要,Commvault帮助我们很好地满足了这方面的要求。”Lerch表示,“Commvault提供了集所有备份和恢复于一身的一站式服务。现在,数据管理不再消耗我们的资源和预算。”
Lerch还指出,与戴尔EMC和Veeam等其他产品相比,Commvault提供的解决方案更为完整。通过将三个遗留解决方案整合到一个Commvault平台,BGC节省了15万澳元的总体拥有成本。
“数据是企业的命脉。不要低估可靠、及时的数据备份与恢复所带来的好处。”Lerch这样说道。Commvault通过智能数据服务,支持企业提高数据备份与恢复的水平,为企业的发展添砖加瓦。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。