2006年3月14日,对象存储服务Amazon S3问世,这既是亚马逊云科技的第一款存储服务,也是第一款云服务。
时至今日亚马逊云科技已经打造了存储“全家桶”,覆盖了块存储、对象存储、文件存储、备份、容灾以及边缘网络和数据传输等存储服务。
最近,文件存储服务Amazon FSx for NetApp ONTAP也落地中国区域,至此亚马逊云科技Amazon FSx文件存储系列服务的Amazon FSx for Windows File Server、Amazon FSx for Lustre和Amazon FSx for NetApp ONTAP目前均已在北京和宁夏区域上线。
企业在将数据中心关键业务上云存储有着多种需求,像基于数据中心存储开发的企业应用对云存储的兼容性需求、如何实现云存储与企业数据中心的高效协同工作、关键业务数据的容灾备份和数据的集中保护管理、减少云端存储使用和管理方式带来的员工学习和时间成本。
ONTAP是NetApp的文件存储技术,过去30年,ONTAP在市场上有较高的占有率,大量企业采用NAS服务并在其上部署各种企业应用。
亚马逊云科技大中华区存储服务高级经理王昂说,现在Amazon FSx for NetApp ONTAP可以直接帮助企业用户快速地把他的应用放到云端。
通过Amazon FSx for NetApp ONTAP,客户无需改变其应用或管理数据的方式,即可在亚马逊云科技上启动、运行和扩展全面托管的NetApp ONTAP文件存储系统。
能做到这也是因为Amazon FSx for NetApp ONTAP具备四大特点:第一,完全一致的存储管理方式、第二,应用程序零改造直接使用、第三,混合云高效协同工作、第四,丰富的数据保护方式。并且ONTAP结合亚马逊云科技数百种服务,客户可以便捷地利用云服务的多样性、弹性来满足业务发展诉求。
Amazon FSx for NetApp ONTAP还能加速企业关键业务云上创新。
跨区域部署提升企业关键业务高效高可用:数据可以跨云区域复制,确保企业关键业务持续运行,可以通过SnapMirror重删、压缩提升数据复制效率,使用FlexCache高效缓存提升跨云区域的数据访问速度。
企业数据中心和公有云协同计算:在数据中心和公有云之间用FlexCache实现云上EC2计算集群高速访问本地数据,通过利用云上高性能计算集群,可以快速完成计算任务,并且云资源的弹性扩展,灵活应对业务变化要求。
确保企业关键数据安全可用:NetApp ONTAP包含了SnapVault和SnapLock功能,同时集成Amazon Backup实现数据的三级保护。
Amazon FSx for NetApp ONTAP主要应用场景包括数据交易型业务、混合云架构、企业关键应用、共享文件服务器,涵盖了企业绝大部分的应用场景。王昂看到,很多数据交易都跑在ONTAP上,这也证明了它的性能和可靠性,加上现在云上的弹性,可以更快的满足业务变化。
除了原有的线下ONTAP用户可以更容易的使用,很多使用NAS存储的企业也可以转向Amazon FSx for NetApp ONTAP,亚马逊云科技也看到文件存储在整个存储类型中是增速排在前列的。
而且在企业应用AIGC的关键阶段,Amazon FSx for NetApp ONTAP也可以提供帮助,比如针对模型训练需要的数据,FlexCache可以让当访问所需要文件时与线下ONTAP打通,把需要的文件拷贝上来。除了机器学习之外,还有像渲染、EDA设计等场景。
嘉里物流是以亚洲为基地,拥有高度多元化业务及强大网络覆盖的国际第三方物流服务供应商,为了解决分散在亚洲不同国家内部和应用程序之间的业务数据安全高效地共享,使用 Amazon FSxforNetAppONTAP作为关键业务的共享存储,通过NetApp Cloud Insights 监控存储系统的工作负载和运行状态,利用Amazon FSx for ONTAP Snapshots 实现关键数据的快速备份保护。
Amazon FSx for NetApp ONTAP还只是亚马逊云科技文件存储产品家族的一员,亚马逊云科技文件存储产品家族包括Amazon FSx系列文件存储服务(Amazon FSx for Windows File Server、Amazon FSx for Lustre、Amazon FSx for NetApp ONTAP、Amazon FSx for OpenZFS),无服务器、完全弹性的云原生文件存储服务Amazon EFS,以及全托管的高速缓存服务Amazon File Cache。
“现在文件存储家族已经可以支持几乎所有的企业应用程序,客户可以取决于场景和需求选择相应的服务。”王昂说。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。