“从小我就有一个夙敌,叫‘别人家的孩子’。
TA从来不玩游戏,不逛街,天天就知道学习。
长得好看,又听话又温顺,永远年级第一,
还有个有钱又正儿八经的男/女友。
研究生和公务员都考上了,
还会做饭,会家务,会八门外语…”
有一种特别优秀的小孩,
叫“别人家的孩子”。
有一种HANA一体机,
叫别人家的HANA一体机。
那么,"别人家的"到底好在哪儿呢?
★ 世界纪录1:SAP HANA 20亿记录的BW-AML(BW advanced mixed load)水准测试,提升25%;
★ 世界纪录2:SAP HANA 40亿记录的BW-AML水准测试,提升23%;
★ 世界纪录3:SAP HANA SD(sales and distribution)标准应用测试,提升33%;
★ 世界纪录4:最新基于Skylake架构的4 Socket纪录。
优秀“作品” 源于精良设计
在企业最核心的应用ERP系统的基础架构领域,IT经理最需要考虑的是高性能、高可用、易扩展、可服务,这从很大程度上取决于一开始选择的解决方案设计是否足够优秀。
IT经理经常会问,都是通过SAP认证的,同样的CPU和内存,为什么性能会有差距呢?其实,区别就在于一体机设计的是否合理,是否能最大程度的发挥CPU的处理性能。
优秀的设计,如“别人家的”PowerEdge R840:
设计关键点一:硬盘容量规划
根据最佳实践,LOG卷可用容量不应小于0.5TB(内存≥512G),数据卷可用容量为内存的3倍,HANA共享可用容量为内存的1倍。
R840通过6至14块800G(1.6T/3.2T/3.84T)SSD组合,满足数据卷高性能IOPS的随机读写需要和LOG卷的实时写入需求及share区的备份需求。
看到这里,可能有IT经理会质疑说很多厂商提供的也是经过认证的一体机,但是搭配的绝大部分是机械硬盘,而且应该也算够用。
看看下面两幅图就能明白为什么需要SSD来助力HANA高效运行:
硬盘对于HANA来说,就是第一层备份,其效能会影响数据加载,备份与恢复,合并及灾备。
Dell EMC R840 HANA一体机在设计时采用的LOG和DATA都用了SSD的方式,DATA卷属于random read/write的模式,SSD在这样的模式下效能远比HDD优异;LOG卷是在线实时读写,使用SSD可以满足业务需要的最大性能。
设计关键点二:系统架构总体设计
总体架构设计优化服务涵盖了网络、服务器、交换机、存储、操作系统、集群、备份和恢复。
HANA系统分为两部分
应用服务器虚拟化
数据备份
网络设计
戴尔易安信VxRail 基础架构黑科技
IDC研究报告显示,2017年超融合全球销售额超过37亿美元,为了构建自动化动态基础架构,HANA应用平台是否可以用超融合架构呢?答案是可以的。
作为HCI领域排名第一的戴尔易安信VxRail包含了如下黑科技:
VxRail软件
VxRail基于经过验证的VMware vSphere、VMware vCenter Server和VMware Virtual SAN技术而构建。VMware已经过优化,可供新VMware用户和有经验的管理员使用。部署、配置和管理VxRail只需要极少的IT经验,即使现场IT人手不足或没有IT人员也能使用该装置,实测半个小时内就可以部署一台设备,同时轻松添加和管理更多设备,像单台一样容易。由于VxRail应用装置采用了VMware的核心产品,管理员可以应用现有的VMware知识、最佳做法和流程。
VxRail还运行了VxRail Manager,这是一种独特的系统管理与操作控制面板,能提供简单明了的用户界面、在线聊天、基于Web的服务与支持,以及客户论坛知识库。
VxRail功能还包括复制、备份与恢复,以及云:
★ RecoverPoint for VMs提供复制、数据保护和高级灾难恢复功能;
★ VMware vSphere Data Protection(VDP)和选配的Data Domain可实现集中化的重复数据消除备份与恢复;
★ EMC CloudArray支持利用基于云的可扩展存储和公共云(我们或其他品牌的公共云)来扩展应用装置的存储容量。
VxRail性能
基于最新PowerEdge 14G服务器的VxRail产品能够提供高达2倍的IOPS,同时响应时间减半。
VxRail可按工作负载不同选择对应产品。
戴尔易安信HANA基础架构解决方案既有世界纪录的一体机,又有HCI领导者VxRail,还有全面数据保护的DPS+DataDomin,因此成为众多企业的首选一点也不奇怪。
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。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
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。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。