3月31日,一年一度的世界备份日如约而至。始于2011年,备份日至今已有12年。这期间企业的数字化建设和信息系统改造的加速落地,也使得数据备份和容灾的需求和技术发展日新月异。我本人从事存储备份行业超过20年,也见证了数据备份系统这些年的变迁史。备份需求上从传统的数据库、虚拟机备份到云主机、云应用和云原生保护,备份介质从磁带、VTL到磁盘和云存储,备份架构上从单一数据中心、两地三中心备份到混合云、多云环境的统一管理,备份目标上从预防物理故障、人为误操作到恶意勒索攻击。不断变化的需求和挑战使得客户对备份系统的要求也越来越严苛。
Commvault中国区技术总监 董剑波
这12年里,Commvault与客户和合作伙伴密切合作,紧跟客户需求、业务革新和技术发展趋势,为企业提供面向未来的备份解决方案。从2011年至今,Commvault也是连续获得Gartner企业级备份恢复解决方案的魔力象限的领导者,以及Gartner数据备份恢复解决方案关键能力评测连续三年的最高技术评分,市场高度认可。
真正多云,抬手就可摘“数据”
多云架构已经是企业CIO的共识,企业需要多云平台为业务提供更佳的敏捷性、扩展性和可靠性,让企业能够跨越地域的限制,抬手就能从云中“摘取”数据。但是,多云也导致了数据碎片化、无序化和数据孤岛问题。企业原有的数据保护平台往往是为核心应用系统保护设计的,无法适应不断增加的云主机、大数据平台、容器、SaaS应用等新型工作负载需求,极易造成保护缺失和数据丢失。
Commvault面向多云管理需求提出了“True-Cloud”智能数据服务管理平台,旨在通过单一操作界面统一实现真正的多云数据管理,为企业提供跨物理机、虚拟化、跨云平台和SaaS服务的统一数据保护、数据迁移和容灾能力,消除数据孤岛和降低管理负担。在Commvault最新的PR2023版本中,Commvault新增多项云平台深度集成技术,使客户能够通过单一平台和操作界面轻松地保护他们在微软Azure、AWS云、阿里云、谷歌云平台和Oracle云基础设施上的云主机、云应用、容器和SaaS服务,并提供跨异构平台的云上云下数据迁移服务。
灵活敏捷,SaaS助力减负前行
提到云,就不能不提软件即服务(SaaS)。基于云技术的SaaS为企业带来前所未有的敏捷性和低成本。它替企业规避了采购、部署、上线和运维负担,使企业可以专注于其他业务方面。根据Gartner的数据,2022年SaaS领域的最终用户支出可能将达到1766亿美元。结合IDC公布的数据,预计到2024年,中国SaaS市场发展仍然处于起飞阶段,年增速不低于30%,但增速渐缓,市场将逐渐趋于成熟。
Commvault近些年在SaaS上进行了大量投入,也是最早开始投资备份即服务的SaaS公司之一。Commvault的Metallic SaaS产品在全球受到了很多用户的青睐,并得了很多全球化客户的认可。企业运维主管只需提出业务系统的数据保护需求,完成企业内部工作流审批,SaaS系统就会自动按照需求部署策略,并提供企业各类应用系统需要的SLA服务。
健壮备份,风雨不动安如山
作为数据安全的最后一道防线,备份数据的安全本身至关重要。近些年,企业对于备份系统的建设目标提出了不断的挑战,从早期的关注如何实现应用在线备份,到关注如何快速恢复、满足不同等级业务系统的RPO和RTO需求,再到关注备份系统的安全性和健壮性,是否能够在预防勒索病毒攻击的同时,保证备份系统中的数据不被攻击和篡改,且不包含恶意程序和代码,能确保恢复出来的数据安全、可用。
客户需求的不断变化也推动了产品的技术创新,Commvault是目前业界唯一符合CIS Level1全球数据安全加固标准认证和STIG安全最佳实践的数据管理供应商。借助内建的人工智能和机器学习技术对在线的文件和虚拟机提供自动异常检测、诱导攻击和告警,Commvault的解决方案帮助企业降低了生产数据被感染风险。此外,在实现备份数据不可变存储和Air-Gap数据隔离作为基础加固的同时,Commvault还能够通过历史版本比对或第三方病毒库对备份内容进行定期扫描和检测,一旦发现恶意程序,可以快速触发恢复机制,并在恢复时自动跳过受感染的文件和版本,确保恢复安全、干净的数据。在Commvault强大的多层勒索软件检测、保护和恢复框架的基础上,Commvault 最新的PR2023版还加强了与主流安全系统集成,为数据安全生态建设提供了可视化的数据洞察。
世界备份日定在4月1日愚人节前一天,也是提醒人们选择最适合的解决方案保护您企业的核心数据资产,守好数据安全的“最后一道防线”。走过十二年,变化的是环境、是技术,不变的是对于数据安全的不懈追求。不做“愚人”,今天,不妨问问自己,您备份了吗?
好文章,需要你的鼓励
四川大学研究团队发现,当前先进的AI模型在面对信息不完整的数学问题时,缺乏主动询问澄清信息的能力,更倾向于基于假设给出答案。
亚利桑那州立大学等多所高校联合研究发现了AI评估中的"偏好泄漏"现象:当大语言模型既用于生成训练数据又用于评判学生模型时,会产生系统性偏见,偏爱体现自己风格的回答。研究显示这种偏见可达23.6%,比已知的自我中心偏见影响更严重,可能导致AI评估排行榜出现系统性偏差,威胁AI评估体系的公正性。
从11岁就梦想造人形机器人的Bernt Bornich,用'huggable'形容他的Neo Gamma机器人——这个能举起150磅的66磅'运动员',正以家庭为试验场突破AI学习瓶颈:'工厂20小时就触及学习天花板,而家庭环境的多样性才是通往AGI的钥匙'。
商汤科技研究团队开发了MaskGWM,一个革命性的自动驾驶预测系统。该系统采用创新的"双重学习法",让AI同时掌握图像生成和逻辑推理能力,能够预测长达12秒的未来驾驶场景。通过空间和时间两个维度的掩码重建训练,结合多视角预测能力,MaskGWM在标准测试中显著超越现有技术,并展现出强大的跨域泛化能力,为更安全智能的自动驾驶技术奠定了重要基础。