定位在网络规模融合基础设施企业, Nutanix近年来被认为是数据中心领域的一股新力量。2014年,Nutanix正式宣布与戴尔达成OEM合作,戴尔随后推出整合了PowerEdge服务器与Nutanix软件的融合架构XC系列集成方案,将计算、存储以及网络功能融为一体,令企业用户轻松拥有灵活、可靠的IT解决方案,并享受到消费级IT的简捷性。
软 件定义是近年来数据中心领域非常火的话题,它赋予了数据中心无与伦比的灵活性,让数据中心基础设施能够更好地适应业务需求。去年6月,戴尔与 Nutanix签署了OEM协议,结成合作伙伴——基于Nutanix网络规模技术,在PowerEdge服务器上运行Nutanix的软件,推出一系列 全新超融合型XC设备。
揭开XC系列超融合系统的面纱
戴尔XC系列是高性能融合基础架构,提供多种形式以及多种价格与性能选择,出色的灵活性令客户可随需选配驱动器、存储容量、处理器及内存空间,满足处于各个阶段的企业IT需求。今年2月,戴尔再次宣布推出三款软件定义存储架构,即三款网络规模融合存储应用——XC630-10、XC730xd-12和XC730xd-24。
三款融合存储设备都是基于Nutanix软件和戴尔13G PowerEdge服务器技术,可用于VDI、私有云和大数据环境,在性能上相比前代产品有50%的存储能力提升和两倍的机架密度改善。
Nutanix的网络规模软件可运行在所有主流虚拟化管理程序上,包括VMware的vSphere、微软Hyper-V及开源KVM,可在同一环境中跨多个管理程序。开创性的软件与业界领先的戴尔服务器整合,构建更加灵活、可扩展的平台,从而保证确切顺应特定需求,如私有云、VDI以及大数据工作负载等。
基于Nutanix,戴尔XC系列的网络规模技术是数据中心部署、扩展及控制的颠覆者,为用户提供传统数据中心架构之外的理想替代方案,实现简化IT。
释放更多生产力Nutanix软件定义架构的价值
2014 年3月,Nutanix获得美国专利与商标局正式批准的专利技术(US 8,601,473)。该技术详细阐述了分布式节点系统(服务器)如何通过运行在每个节点上的“控制器虚拟机”为虚拟机(VM)提供高性能共享存储。控制 器虚拟机整合了所有服务器上的本地存储资源,包括直连闪存,并提供一个数据存储共享池,相比传统的SAN或NAS阵列,具备更高性能和更强大的扩展性,从 而更加清晰地诠释了软件定义存储方案是如何优化设计和运行的。
借助X86服务器,Nutanix将前所未有的简便性带给企业数据中心,通过运行在x86服务器上的软件交付可扩展的存储服务。
Nutanix架构也为构建混合云提供统一的数据架构。企业IT管理人员可按需利用公共云资源,同时仍然保留对其私有云基础设施的控制,确保安全性。100%的软件驱动架构以及独立于所有特定虚拟化技术或供应商的运行,赋予企业IT更多自主性与灵活性。
Nutanix+PowerEdge点燃融合架构市场的星星之火
对于戴尔和Nutanix所达成的合作,分析机构Taneja公司认为Nutanix由此拓宽了其在超融合存储领域的产品分布;作为之前为客户提供诸如 EqualLogic、Compellent等传统存储产品的供应商,戴尔也在新兴技术浪潮中获得了领先业界的产品——与Nutanix的合作意味着戴尔 能够为用户提供软件定义存储解决方案。
通常在软件定义存储领域可以有多种实现方式,包括纯软件的方式、软件与商用硬件结合或者与定制化硬件结合的方式。Nutanix与戴尔的合作属于软件与商用硬件结合的方式。戴尔在与Nutanix的合作中,仍坚持其一直以来的开放原则,适应用户业务需求为其交付一个整合、即插即用的解决方案。
双方都认为此次合作将为各自公司带来更有前景的商业机会。Nutanix联合创始人兼CEO Dheeraj Pandey评价到:Nutanix此次与戴尔合作,通过戴尔强大的渠道销售网络和进军市场能力,加快Nutanix销售增长。我们的愿景是借助运行在x86硬件上的智能软件强化所有数据中心服务,颠覆传统数据中心基础架构,戴尔与我们的愿景一拍即合。”
戴尔存储副总裁兼总经理Alan Atkinson也表示:“Nutanix是市场认可的融合基础架构的软件方案提供者,非常契合戴尔重新定义数据中心经济并为客户简化IT的种种努力。戴尔与Nutanix合作推出颠覆性的全新解决方案,将网络规模的简捷性与扩展性集成到了戴尔业界领先的服务器、存储和企业产品组合中,相信我们全新的解决方案将在日益增长的价值数十亿美元的融合基础架构市场上发挥重要的作用。”
相信随着双方合作的渐入佳境以及更多颠覆性解决方案的推出,基于Nutanix网络规模技术的戴尔XC系列将形成融合架构应用在市场上的燎原之势,令更多的用户享受到软件定义数据中心带来的高效和便捷。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。