存储产业正在发生颠覆性的变化,主要有两大推手:一个是新一代存储介质SSD;另一个是分布式存储的演进,以SDS(软件定义存储)为代表。 ZettaStor和原生块存储 作为原AWS核心架构师、S3、Glacier存储项目团队负责人,陈靓先生非常了解对象存储应对块数据需求的不足。 机缘巧合,2012年,陈靓应南京市政府的感召归国创业,创办了南京鹏云网络科技有限公司,并推出了从最底层开始研发的ZettaStor DBS软件定义分布式存储系统,提出了原生块存储的概念。 ZettaStor DBS产品架构图 测试中的“猫腻” 谈到原生块存储,陈靓表示:其实概念并不重要。在担任AWS核心架构师期间,其内部很少谈论概念,更多是专注在要解决哪些技术问题。 对于原生块存储、非原生块存储,测试和验证将是一个非常重要的方法。但是在测试过程中,也应该结合实际,谨防被一些“猫腻”手段所蒙蔽。
选型PCIe Gen6 SSD:9000系列指导AI高IOPS场景部署,结合Broadcom/NVIDIA生态,实现8600万IOPS系统级性能。 划线高亮 观点批注 高性能存储对于AI训练和推理正变得至关重要 揭示了当前AI硬件架构中的 "I/O墙"(I/O Wall)或带宽瓶颈问题,并以此论证高性能存储的必要性: 算力与带宽发展的严重失衡: 结合第一张图关于"AI算力增长快于带宽"的背景,这表明美光正在通过推出Gen6 SSD来解决带宽瓶颈问题,以匹配NVIDIA Blackwell等下一代AI芯片的I/O速度。 容量与性能的平衡: 性能端: 9000系列虽然容量(30.72TB)不是最大,但通过PCIe Gen6提供极致速度,服务于AI训练等对延迟敏感的场景。 数据中心超高性能型 GPU作为存储发起者 核心观点是重新定义存储I/O的控制权,以适应AI负载的极端需求: 痛点:CPU是高并发I/O的瓶颈。
AI原生6G:从网络到智能结构“网络语言模型”将协调智能组件、计算基础设施、接入点、数据中心等之间的复杂交互。 除了其他进步(集成感知与通信、地面与非地面网络的无缝融合)之外,它构想了首个AI原生的无线技术世代,将智能嵌入从设备到云基础设施的每一层。 在本博客中,我们介绍某机构实现AI原生网络的架构方法,这是定义6G时代的基础能力。 6G的不同之处3G通过语音和基础数据连接人与人,4G带来了移动宽带,5G实现了超低延迟的海量机器连接,而6G将从底层开始就是AI原生的,成为一种分布式的计算与通信结构,将智能像公共设施一样嵌入日常生活。 超组合网络:我们的目标架构某机构对6G的目标架构以网络系统为中心,这些系统根据其所服务的消费者和业务目标,在正确的地点和时间动态组合精确类型和大小的计算、存储、网络、数据和AI资源。
cookie也叫HTTP Cookie,最初是客户端与服务器端进行会话(Session)使用的。 如果没写expires,那么下次打开网页,cookie就会消失,这个就是会话机制 2、格式
主讲人:王致铭 丨 腾讯云 云存储高级产品经理 一、 产品定位与核心亮点 腾讯云「存储+智能」组合是一款专为企业出海及AI应用爆发设计的AI原生云存储基础设施。 其核心技术属性在于将传统云原生架构(聚焦Web/APP端的架构复杂度与成本优化)升级为AI原生架构,底层深度融合对象存储(COS)与高性能分布式缓存引擎(GooseFS),并无缝内嵌数据万象(CI)处理引擎 三、 应用框架和功能介绍 3.1 功能框架 产品采用“存储底座 + 处理管理双引擎 + 一站式软件搭建平台”三层架构: 存储底座:对象存储(COS)与 AI存储(GooseFS),负责数据的安全可靠与高性能吞吐 文件支持:最小存储限制 64KB。 兼容性:全兼容 AWS S3 接口。 AI 存储 (GooseFS): 单链接性能:10Gbps(逼近硬件极限)。 解决方案:采用数据万象(CI)云原生内容安全审核模块(图片/文本/色情/暴恐等查处)。
Block Devices(块存储) 图片 在 Rook 中,块存储有两种存储类型:副本存储和纠删码存储。 「纠删码存储:」 是一种基于纠删码的存储方式,其中数据被编码为多个数据块,并在不同的节点上存储这些数据块的编码片段。在纠删码存储中,数据被编码为多个数据块,并根据指定的参数对这些数据块进行编码。 纠删码存储通常需要更少的存储空间和更低的存储成本,因为它只需要存储数据的冗余分片而不是完整的副本。 这将释放 Rook 块存储占用的存储空间。 存储类指定了用于存储数据的存储类型和属性。删除存储类将确保不再创建新的 Rook 存储卷。 需要注意的是,这4个命令需要按照指定的顺序执行,以确保完全卸载 Rook 块存储。
AI原生开发范式的核心概念 AI原生开发范式(AI-Native Development)指以AI为核心构建应用程序的设计方法,其特点包括数据驱动、模型即服务(MaaS)、自动化工作流和持续学习。 与传统开发相比,AI原生应用将机器学习模型作为基础组件,而非附加功能。 典型行业案例分析 金融领域-智能风控系统 某银行采用AI原生架构重构信贷审批流程,实现实时风险评估。 医疗领域-影像辅助诊断 一家医疗科技公司开发AI原生影像分析平台,整合多种医学影像模型(CT、MRI)。 model.predict(input_data) r.setex(key, CACHE_TTL, pickle.dumps(result)) return result 效能评估指标 AI 原生系统需监控多维指标: 模型指标:AUC-ROC、F1 Score、推理延迟 系统指标:QPS、错误率、资源利用率 业务指标:转化率、用户留存、ROI 监控看板应包含实时数据和历史趋势对比,设置自动告警阈值
minio 高性能 Kubernetes 原生对象存储 minio 高性能 Kubernetes 原生对象存储 特点 安装 单机 分布式 客户端mc安装和使用 minio在K8S的优化实践 MinIO 它兼容亚马逊S3云存储服务接口,非常适合于存储大容量非结构化的数据,例如图片、视频、日志文件、备份数据和容器/虚拟机镜像等,而一个对象文件可以是任意大小,从几kb到最大5T不等。 特点 高性能 minio是世界上最快的对象存储(官网说的: https://min.io/) 弹性扩容 很方便对集群进行弹性扩容 天生的云原生服务 开源免费,最适合企业化定制 这就意味着如果是12块盘,一个对象会被分成6个数据块、6个奇偶校验块,你可以丢失任意6块盘(不管其是存放的数据块还是奇偶校验块),你仍可以从剩下的盘中的数据进行恢复,是不是很NB,感兴趣的同学请google 纠删码的工作原理和RAID或者复制不同,像RAID6可以在损失两块盘的情况下不丢数据,而Minio纠删码可以在丢失一半的盘的情况下,仍可以保证数据安全。
meta charset="utf-8"> <title></title> </head> <body> <input type="text"/> <button class="set">存储 </button> <button class="del">清空</button> </body> </html> <script type="text/javascript"> // 吧用户存储在用户的浏览器中
翻译过来概况下 Rook是一个开源的云原生存储编排系统,提供平台、框架和支持,提供了一套多样化的存储解决方案,可以与云原生环境进行天然集成。 Rook利用云原生容器管理、调度和调度平台提供的设施,将存储软件转化为自我管理、自我扩展和自我修复的存储服务,实现自动化部署、启动、配置、扩容、升级、迁移、灾难恢复、监控和资源管理。 因此,Rook解决的问题是: 快速部署一套云原生存储集群; 平台化管理云原生存储集群,包括存储的扩容、升级、监控、灾难恢复等全生命周期管理; 本身基于云原生容器管理(如Kubernetes),管理方便。 以前苦于没有部署云原生存储系统,一直没法实践这些特性,这次得益于Rook的便捷性,赶紧来尝鲜下。 更深入地观察存储挂载机制 通过上面两个测试场景,我们来看下背后的云原生存储的运行逻辑: 进入pod观察存储挂载情况 对比两个测试场景pod实例里面存储挂载情况: # use ceph as rbd storage
作者 | 阚俊宝 阿里云技术专家 导读:云原生存储详解系列文章将从云原生存储服务的概念、特点、需求、原理、使用及案例等方面,和大家一起探讨云原生存储技术新的机遇与挑战。 相关文章推荐: 云原生存储详解:云原生应用的基石 云原生存储详解:容器存储与 K8s 存储卷 云原生存储的两个关键领域:Docker 存储卷、K8s 存储卷; Docker 存储卷:容器服务在单节点的存储组织形式 ,关注数据存储、容器运行时的相关技术; K8s 存储卷:关注容器集群的存储编排,从应用使用存储的角度关注存储服务。 镜像存储层说明如下: 该节点上共包含 6 个镜像层:Layer 1~6。 镜像 1 由:Layer 1、3、4、5 组成; 镜像 2 由:Layer 2、3、5、6 组成。 其设计意图是:存储与应用编排分离,将存储细节抽象出来并实现存储的编排(存储卷)。这样 K8s 中存储卷对象独立于应用编排而单独存在,在编排层面使应用和存储解耦。
应用架构也发生了转变,以适应云原生应用和 微服务、无服务器 以及事件驱动的服务,这些服务运行在跨混合云和多云平台的不可变的基础设施上。 云原生与 Kubernetes 的联系 根据 云原生计算基金会 (CNCF) 的说法: “云原生技术使企业能够在现代动态环境中建立和运行可扩展的应用,如公共云、私有云和混合云。 云原生软件的要求 创建云原生应用架构需要哪些能力,开发人员将从中获得哪些好处? 虽然构建和架构云原生应用的方法有很多,但以下是一些需要考虑的部分: 运行时: 它们更多是以容器优先或/和 Kubernetes 原生语言编写的,这意味着运行时会如 Java、Node.js、Go、Python 让云原生具体化 云原生似乎是一个抽象的术语,但回顾一下定义并像开发人员一样思考可以使其更加具体。为了使云原生应用获得成功,它们需要包括一长串定义明确的组成清单。
但值得注意的是,据CNCF调查显示,目前存储系统依然是云原生场景使用和部署中面临的最主要障碍之一。 云原生环境对存储 带来新挑战 存储系统一直以来都是基础设施软件中的核心之一。 云原生存储作为一种存储系统,可靠性、性能、高可用等特点都是必不可少的。除此之外,云原生环境对存储系统提出了更高的要求。 面对诸多挑战云原生存储应具备哪些特点呢? 云原生生态 云原生存储还需要能够很好地和其他云原生基础设施配合,例如云原生数据库,使得云原生数据库可以真正的在公有云和私有云都能够得到一致的用户体验。 市场上的云原生存储方案 为了更好的理解在云环境中如何构建云原生存储,先看几个在Kubernetes企业环境中部署主流的云原生存储方案。 事实上,云原生存储遇到的性能、弹性、高可用、加密、隔离、可观测性、生命周期等方面的问题,不但需要存储产品层次的改进,更需要在云原生的控制/数据平面的改进,以推进云原生存储的演进,而这正是新老存储厂商有待优化和提供的服务空间
{ "Type": "volume", "Name": "3b1eab4eb072a43375068c8ff534028de2a7f6dd6aeceb60c0d1584c4bc046a6 ", "Source": "/var/lib/docker/volumes/3b1eab4eb072a43375068c8ff534028de2a7f6dd6aeceb60c0d1584c4bc046a6 ", "Source": "/var/lib/docker/volumes/3b1eab4eb072a43375068c8ff534028de2a7f6dd6aeceb60c0d1584c4bc046a6 apache2/htdocs",[root@docker htdocs]# cd /var/lib/docker/volumes/3b1eab4eb072a43375068c8ff534028de2a7f6dd6aeceb60c0d1584c4bc046a6 ]# lsindex.html[root@docker _data]# pwd/var/lib/docker/volumes/3b1eab4eb072a43375068c8ff534028de2a7f6dd6aeceb60c0d1584c4bc046a6
和持久化走 cloud DB…… 云原生时代的系统开发 对于系统开发人员来说(比如云数据库,云 AI 平台),云原生的趋势也会产生相应的影响。 但是到了云原生时代,我们可以完全打破这个固有框架,我们拥有的计算,存储都可以理解为是“无限”的,只要有钱就可以! 具体的例子比如我们可以通过用户的数据查询看到经常使用的过滤维度,来重新安排数据的排序和分区,这样在同样的数据量情况下,系统可以花更少的计算资源来完成查询,增加系统的利润 :) 云原生+AI 最后再来看下跟 AI 相关的部分。 而前面讲的“云原生语言”,则更关注在程序具体执行层面的关注点分离。 把两者结合起来看,云原生时代的 AI 平台开发会是一片巨大的未开垦之地,对于云和算法各自都有很宽很长的路可以走。
今天继续聊AI和大模型方面的话题。即什么是AI原生,如何构建一个真正意义上的AI原生系统? 对于这个问题,我们先看下AI大模型自己给出的答案。 AI原生必须是土生土长的,系统一开始构建就原生在系统里面的能力,而不是已有系统后简单嫁接或集成AI大模型能力。那些把传统IT系统改造集成AI大模型能力后叫AI原生是相当错误的说法。 AI原生-大模型原生+知识原生+价值原生 一个系统能够称之为叫AI原生系统呢?这里面核心的一个关键就是整个系统核心的能力是架构在底层的AI大模型和底层的知识层上面的。 你如果满足这么一个条件,那你们做一个系统就可以叫做AI原生系统。 我原来谈AI原生的时候谈到过,AI原生核心是知识原生,为何你当前企业有数据库数据,有资料文档,不能快速的构建AI原生应用? 注意这个说法只解决了AI原生应用的大模型原生问题,并没有解决知识原生的问题。如果按这个说法所有的AI智能体应用都是AI原生应用,但是我的理解,AI原生应用的核心重点应该是在知识原生上面。
OrioleDB – 构建现代云原生存储引擎 OrioleDB是PG的一个新存储引擎,为世界上最受欢迎的数据库平台带来一种现代化数据库容量、功能和性能方法。 通过扩展和增强当前的表访问方法,OrioleDB为未来更强大的存储模型打开了大门,这些模型对云和现代硬件架构进行了优化。目前是标准的PG许可。 1)专为现代硬件而设计。 OrioleDB的设计针对数十个和上百CPU内核现代服务器,避免CPU瓶颈,提供了针对现代存储技术,例如SSD和NVM,的使用方法。 2)减少维护需求。 OrioleDB内存中page直接连接到存储层的页。消除了对缓冲区映射及相关瓶颈。此外,内存中页面读取不涉及原子操作。这些设计决策共同将PG的垂直扩展性提升到了一个全新的水平。 旧版本的元组不会导致主存储系统膨胀,而是将其放逐到undo链的undo日志中。页级别的undo记录允许系统很方便地尽快回收已删除元组占用的空间。
为什么容器技术如此火热 云原生时代,容器凭借其易移植、云上云下自由运行、自由迁移的特点,得到了众多企业的青睐。 由于NAS存储数据全局共享,漂移场景不需要拷贝数据,恢复时长降低至分钟级别,可用性提升10倍以上。NAS存储有利于构建共享资源池,提高存储利用率,整体TCO相比本地盘方案低30%。 对性能要求高的应用:很多新兴应用,如AI训练,其典型数据结构是海量非结构化数据的随机读写,文件大小通常在数KB到数MB,数量可达百亿,计算资源规模从几十台到上千台不等。 SAN存储上的数据无法在上千台计算集群中共享,因此不是容器存储的最佳选择。 例如,某大型商业银行使用Ceph+服务器本地盘构建的分布式存储系统,在AI场景实测性能只有2万OPS,而采用华为OceanStor Dorado全闪存NAS存储后,双控性能轻松达成40万OPS,AI分析效率提升
AI原生组织深度研究报告研究主题:AI原生组织(AI-NativeOrganization)概念、特征、构建路径与全球案例研究时间:2026年5月18日研究深度:⭐⭐⭐⭐⭐(深度研究)组织设计逻辑的根本翻转传统是 "业务先行、AI补丁",原生是"AI即底座"。 辅助||任务管理|Linear||文档存储|Notion||AI辅助|自家产品、提示词工程||品牌创作|Midjourney、Krea.ai、Civitai|####核心洞察>"AI工具在编码方面远远不够好 *|深度融合|业务流程与AI深度整合,数据闭环|初步AI原生||**L5**|AI原生|组织架构建立在AI之上,智能演化|真正的AI原生组织|###4.2转型核心步骤Step1:顶层设计├──设立CAIO 产品开发新模式》(2024年5月)腾讯新闻:《大厂做AI:字节跳动AI帝国深度拆解》(2025年6月)麦肯锡:《Theagenticorganization》(2025年9月)世界经济论坛:《OrganizationalTransformationintheAgeofAI
在早期的 Confluence 版本中,我们允许存储附件到 WebDav 或者 Confluence 数据库中。针对新的 Confluence 安装,我们不再支持这 2 种存储了。 数据库(已弃用) 在 Confluence 5.4 及其早期的版本,我们给了系统管理员存储附件到数据库中的选项,系统管理员可以在这些版本中配置附件的存储。 存储附件到数据库中可以带来一些好处(例如,可以更加容易的进行备份,避免文件系统中出现的字符集不支持的错误),但是请注意这种存储方式将会大大加大数据库空间的使用,随着时间的推移,你的数据库可能需要更多的存储空间 WebDav(已弃用) WebDav 在现在的存储中已经不是一个存储选项了,已经完全启用了。 https://www.cwiki.us/display/CONF6ZH/Attachment+Storage+Configuration