Qumulo公司推出了多租户架构Stratus,每个租户都拥有自己的虚拟独立Qumulo环境,通过加密技术以及租户专用密钥和密钥管理系统(KMS)与其他租户完全隔离。
这家集群化横向扩展统一文件和对象存储供应商的软件可以在本地、边缘和数据中心站点运行,也可以云原生形式——云数据结构——在AWS、Azure、GCP和OCI上运行,支持全局命名空间以及同时支持NFS、SMB和S3协议。现在,Qumulo为美国联邦政府、主权云和受监管企业客户增加了加密隔离的多租户功能,为需要数据隔离保证且无共享的用户提供安全保障。
Qumulo首席技术官Kiran Bhageshpur表示:"通过Qumulo Stratus创新的加密隔离技术,敏感数据在得到保护的同时,还能为关键任务操作提供必要的灵活性和效率。这使得联邦政府和企业客户能够专注于其核心任务,确信他们能够在不牺牲性能或可扩展性的前提下满足监管合规和安全目标。"
每个租户都像拥有自己的私有基础设施一样运行,同时仍然受益于效率提升,因为底层的实际基础设施——Qumulo的横向扩展DataCore和云数据结构——是共享的,而数据则不共享。
该公司表示,Stratus使客户能够保持严格的数据和基础设施隔离,同时享受无共享数据核心的优势和可扩展性。这提供了:
加密密封租户确保每个租户的静态和传输中数据不可见,即使对集群管理员也是如此。
分离的I/O和数据平面——计算、缓存和协议服务按租户以容器、虚拟机、裸机或加速计算平台的形式提供,防止"吵闹邻居"争用,同时让组织能够独立于容量扩展性能。
统一的文件和对象访问使分析管道和传统应用程序能够共享相同数据,无需复制或网关。
单一全局命名空间跨越数据中心和每个主要超大规模云服务商,Qumulo表示这得到了供应商实时分析和策略驱动数据放置的支持。客户可以从AWS、Azure、Google Cloud和Oracle Cloud中选择适合他们的云服务。
租户特定服务,如租户专用Active Directory、域名服务、硬件安全模块和SIEM/审计域,有助于政府、国防、金融服务、医疗保健和服务提供商环境的零信任合规。
Qumulo总裁兼首席执行官Douglas Gourlay说:"企业和公共部门机构不再需要在安全性和规模之间做出选择。Stratus消除了这种权衡。我们将不妥协的加密隔离与云的弹性以及裸机和加速计算的性能融合在一起,提供了一个配得上世界最敏感数据的平台。"
从竞争角度来看,NetApp的数据结构通过ONTAP的存储虚拟机提供多租户功能,具有逻辑租户数据分离。它通过Cloud Volumes ONTAP和Azure NetApp Files支持混合和多云环境。
Dell的PowerScale OneFS通过访问区域、SmartConnect和Groupnets提供多租户功能,为多个租户(如部门、客户或工作负载)提供数据、网络和身份验证资源的逻辑隔离。通过PowerScale for Azure和Google Cloud以及与AWS和Oracle Cloud的合作伙伴关系支持公共云。
Stratus正在进入有限可用性和私有预览阶段,将在2025年下半年的Qumulo Core 8中为认证的本地平台、AWS、Azure、Google Cloud和Oracle Cloud正式发布。Stratus网络研讨会计划于6月23日星期三太平洋标准时间上午10:00举行。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。