数字时代,AI、大数据、5G等数字技术快速发展和迫切需求的落地,全球每天就产生超过500亿GB的数据,导致数据存储场景和需求指数级增长。
中国电子云作为中国电子打造、原生于PKS体系的新一代基础设施,在中国电子“坚底强链”战略下,向下不断夯实IaaS,向上丰富PaaS产品。
存储作为云计算最重要的服务之一,近日中国电子云正式发布首款自研分布式存储产品CeaStor以及CeaStor10000系列产品,云计算版图得到进一步完善。
从“新”开始,轻装上阵的CeaStor
如今,数字技术不断发展迭代。作为“后来者”,中国电子云此时推出云存储产品背后有怎样的思考呢?
IT技术一直在不断进化,比如现在云计算谈云原生,中国电子云也强调自己的云原生特色。同样,对于存储而言,新的技术趋势不断涌现,比如云原生、软硬一体、闪存化、国产化等。

中国系统高级副总裁、CTO朱国平告诉记者,中国电子云没有那么多历史包袱,面向未来,从“新”开始,轻装上阵。
在存储市场处于技术升级的背景下,CeaStor存储产品并没有沿用常见的开源技术,而是基于“安全、先进、绿色”设计理念,打造全自研的分布式存储产品。
朱国平表示,CeaStor核心技术团队在设计理念方面比较默契,立足统一架构,CeaStor打造了面向未来的磐石架构,全用户态协议栈,无限压低时延;并支持端到端NVME协议,通过RDMA智能加速充分发挥硬件能力。
此外,CeaStor生于云,服务于云,是真正的云原生存储系统,可以为用户提供声明式存储资源供给服务,提供更多开放性可编程接口,并利用云原生技术,实现高度自动化运维以及存储的“敏捷开发、敏捷发布”。
对于存储产品而言,性能是客户非常看重的。CeaStor在规模上支持用户在线扩展,单集群规模可高达10000+个节点,单节点随机读写性能可高达50万IOPS,且随节点数线性增长。
在安全和可靠性方面,CeaStor具备PKS原生安全、云原生安全和合规安全,具有安全为先、一数多用等特点,同时,CeaStor存储支持多副本和纠删码,异地容灾等多种冗余保护措施,为用户提供多层级的数据保护和容灾功能,进一步实现了用户数据存储的极致可靠。此外,通过软件定义SSD,CeaStor实现延长磁盘寿命,提高磁盘读写能力,并降低关键业务读写时延。
在降本增效方面,CeaStor将块、对象、文件等存储协议打通,实现一池多用,并采用动态EC提高了磁盘得盘率,并将算子下沉,进一步降低网络负载,简化上层应用,提升了计算速度。更为关键的是,CeaStor支持QLC作为存储介质,利用软件优化弥补了QLC介质的缺陷,让用户在拥有的高性能的同时,还实现了最优的成本。
在产品交付方式,CeaStor10000系列产品不仅可以为用户提供云上的云盘、对象、文件和大数据存储服务,还可以为用户提供超融合产品和SDS产品(软件定义存储),实现更大范围的用户群覆盖。

例如超融合产品可以帮助那些中小规模运营能力和技术能力比较薄弱的企业,而且超融合产品可以集成中国电子云的入口,并提供混合云部署选项。
中国电子云的存储超车之道
朱国平说,存储不是一个蓝海市场,增长迅速但是竞争激烈,中国电子云一方面将CeaStor与自身其他产品进行紧密集成,另一方面也会服务于集团的客户。“针对信创市场,我们会与集团旗下的企业展开合作,比如飞腾服务器基于CeaStor存储进行适配测试和性能优化,实现组合优化,满足行业的国产化需求。”
作为数据底座,存储产品的门槛高、投入大,从酝酿到成熟,极具挑战且需要不断坚持。
据悉,中国电子云正加快打造研发人才队伍,目前在北京、武汉打造了研发中心总部,在南京、成都、杭州、合肥设立了特色研发中心,深圳的特色研发中心也计划在今年投入使用。
在2022年,中国电子云将秉承IaaS产品自研,PaaS产品自研+合作,SaaS产品则通过中电蓝信+生态合作的方式,不断开拓市场、扩充产品体系、加强研发创新体系建设,为政府、央企国企、公共服务机构以及金融机构客户提供更多服务。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。