在今天的企业级IT领域,人们已经基本认同“软件定义存储”将在未来数据中心占有重要地位。Integrated Systems(集成系统)产品形态主要是将服务器和网络设备进行整合,其效果显然不如计算和存储共用节点的超融合那样彻底。
如果用户有意部署超融合,Nutanix是目前不错的选择之一,接下来有个现实的问题:从哪里(哪个供应商)采购?虽然核心软件是一样的,但硬件平台和配置还是有区别,增值功能和服务上的差异也需要重点考量。
戴 尔XC系列的英文全称为Dell XC Series of Web-scale Hyper-converged Appliances——“互联网式扩展的超融合设备”,关于超融合本身的技术描述和价值,能找到的资料已经不少,以后有机会我们也可以慢慢跟大家谈。本 文先重点讨论戴尔XC有特色的差异化部分。
基于用户需求:稳扎稳打
上 图显示了戴尔-Nutanix联盟发展的里程碑。两家公司管理层最初从2013年开始接触,2014年11月推出了基于12G服务器平台的第一代XC设 备,今年3月基于13G平台的XC 2.0开始出货,在6月的XC 2.1代产品中宣布了专用存储节点、GPU支持和Nutanix基于开源KVM技术研发的Acropolis虚拟机管理程序。
在8-9月XC 2.1产品开始供货之后,XC 2.2中的重要型号——2U 4节点机型发布了。在整个发展历程中,我们注意到戴尔并没有急于推出全线产品,而是先将服务器中最成熟、用户基础最大的PowerEdge R630和R730系列1U/2U双路机型加入XC方案。稳扎稳打,在对用户需求有足够把握,对产品进行了充分的测试调优之后,逐渐完善了自己的超融合产品家族。
除了基础的软硬件组合之外,XC系列的特色还包括:
1.将戴尔硬件管理功能(iDRAC)集成到Nutanix Prism UI之中;
2.戴尔现场安装和实施服务;
3.通过戴尔ProSupport专业技术支持和来自Nutanix的软件帮助,提供协同支持;
4.面向端到端解决方案的参考架构 –预集成VDI解决方案。
下面我们来展开具体谈谈。
深入管理:更新部署整合
以iDRAC戴尔生命周期控制器为代表的BMC管理模块,已经成为不同品牌服务器之间的一个重要差异化价值。如上图,在Dell OpenManage产品组合中的服务器部署和更新这两个方面,与Nutanix Prism管理程序进行了集成。
戴尔服务器支持SD存储卡启动模块,通常可用来运行VMware ESXi Hypervisor,或者一些容量不需要太大的定制Linux系统等。在XC系统中,预装的SD模块可以用于软件初始部署,以及恢复出厂设置。
11月17日,在上海举行的戴尔企业客户峰会(Dell Enterprise Forum)的前一天,解决方案专家们在会场里有条不紊地进行布展准备工作。上面照片正是与戴尔XC连接的显示器,可以看到Nutanix软件正在运行的安装界面。
多种优化配置:满足特定需求
这个表格来自当前的戴尔XC产品资料,可以看到计算密集型、存储(I/O)密集型、图形密集型(针对VDI)等适合不同用途的配置;另外,也很容易看出XC型号和PowerEdge服务器平台之间的对应关系。其中,比较特别的是XC730xd-12C,这里面“C”代表存储容量节点,它只配置了1颗Xeon CPU,限定在Nutanix Acropolis Hypervisor上运行CVM(控制虚拟机),专为其它XC节点提供存储服务,而不在上面运行应用虚拟机。
另外比如XC730-16G,其中“G”代表每个节点支持1或2个NVIDIA GPU通用图形处理器卡,能够在桌面虚拟化场景中提供较好的3D显示加速体验。
如上图,位于左边计算节点上的虚拟机快照、冷数据块和文件数据可以自动再平衡到右边的XC730xd-12C,经过这种冷热数据自动调度之后,按照64TB裸容量来计算,可以降低30%的存储成本($/GB)。
全球服务团队:“超融合”之外的更多价值
最后一点,也是戴尔XC很重要的价值就是服务:1.标配3年保修服务(可选1、2、4和5年保修);2.Pro-Support专业技术支持,以及Dell Nutanix软件支持服务;3.由戴尔企业级实施团队提供的部署服务;4.覆盖35个国家以上的超过10个呼叫中心,超过50个支持团队,超过40名现场工程师来进行支持和部署工作;5.Nutanix培训服务;6.VDI、私有/公共云、数据库、数据保护咨询服务。
超融合领导者:丰富的企业级IT经验
正是凭借在传统企业级IT解决方案上的丰富经验,戴尔能够对XC系列的用户提供更好的支持;因此,戴尔堪称是超融合的领导者、实践者和交付者。
另一方面,除了与Nutanix合作的XC方案之外,戴尔同时还提供VSAN等更多的超融合/软件定义存储选择,可以满足各种不同的需求。
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。