新闻位：StorONE、三星、飞康、昆腾、微软、AMD、AWS 和 Dynatrace

by 亚当·阿姆斯特朗 on 2020 年 3 月 30 日

本周新闻速览将聚焦一系列小型公告，这些公告内容虽小，但影响却不容小觑。StorONE 与 SQream 达成合作。三星量产 eUFS 3.1。FalconStor 发布 StorSafe。Quantum 完成对 ActiveScale 的收购。微软 Azure NVv4 虚拟机正式上线。AWS 新增 PyTorch 支持。Dynatrace 延长免费试用期。

StorONE 与 SQream 合作

StorONE 与 SQream 合作，为用户提供高性能的海量数据分析。据这些公司称，借助 StorONE 企业存储平台 S1，SQream DB 可以使超过 100GbE 的多节点并行文件饱和，确保软件使用的 NVIDIA Tesla V100 GPU 得到充分利用。

史托龙

广场

三星量产eUFS 3.1

三星宣布已开始量产其用于旗舰智能手机的 512 GB eUFS（嵌入式通用闪存）3.1。据说新存储的写入速度是之前版本的近 3 倍，约为 1.2GB/s。它还提供 100K IOPS 读取和 70K IOPS 写入。这将通常在笔记本电脑中想到的存储性能带到了手机上。

Samsung

飞康推出 StorSafe

FalconStor Software, Inc. 推出了 StorSafe，它称之为业界第一个企业级持久数据存储容器。 StorSafe 的一些优势包括：

跨任何 S3 云、对象存储和本地存储环境的可移植性以及面向未来的技术进步
显着改善长期档案的可访问性和恢复战略档案杠杆
可变负载容器存储，允许在大型存储容器上进行超高效的重复数据删除，以显着降低成本和存储容量消耗，以及为加速数据恢复而优化的较小存储容器
增强的安全性和数据完整性功能，以维护归档数据的机密性、完整性、可用性、不可否认性和可访问性，以及按用户设置的时间间隔进行日志完整性检查，以进行数据完整性验证、网络入侵检测和监管链验证
关键保留数据不再与特定的硬件存储系统或云平台绑定或集成，允许在延长的保留期内实现独立的数据可移植性，而无需昂贵的跨平台服务迁移成本
独立云冗余阵列 (RAIC) 容器分布通过多云擦除编码实现数据冗余、冗余开销减少和加速灾难恢复，即使整个云提供商都停电也能提供 99.99999+ 的可用性

飞康 StorSafe

昆腾完成对 ActiveScale 的收购

Quantum 已完成对 Western Digital 的 ActiveScale 的收购。该公司表示，此次收购将扩大其在使用软件定义方法存储和管理视频和其他非结构化数据方面的领导地位。

量子

Microsoft Azure NVv4 虚拟机正式发布

微软和AMD继续深化合作，宣布推出基于第二代AMD EPYC处理器和AMD Radeon Instinct GPU的Microsoft Azure NVv4虚拟机。虚拟机包括：

Dav4 系列 VM：Dav4 和 Dasv4 Azure VM 用于各种通用应用程序。这些虚拟机配备强大的 AMD EPYC 7452 处理器，提供多达 96 个 vCPU、384 GB RAM 和 2,400 GB 基于 SSD 的临时存储，并支持 Azure Premium SSD。
Eav4 系列 VM：Eav4 和 Easv4 Azure VM 专为内存密集型工作负载而设计。这些新虚拟机是云中首批配备 AMD EPYC 7452 处理器的虚拟机，在 Azure 中提供比上一代 E 系列虚拟机高出 64% 的 SQL Server 工作负载性能
HBv2 VM：这些 VM 由 AMD EPYC 7742 CPU 提供支持，专为高性能计算工作负载而设计，例如 CFD、显式有限元分析、地震处理、油藏建模、渲染等。最近，Azure 宣布在一系列 HPC 基准测试中，HBv2 VM 在消息传递接口可扩展性方面超过了 80,000 个内核，在云中提供本地超级计算级别的性能。
NVv4 VM：NVv2 由第二代 AMD EPYC CPU 和 AMD Radeon Instinct MI25 GPU 提供支持，可在云端提供现代桌面和工作站体验。基于单根 I/O 虚拟化 (SR-IOV) 的 GPU 分区提供四种资源平衡配置选项，从 4/1 到完整 GPU，以提供灵活的、支持 GPU 的虚拟桌面体验。
Lsv2：Lsv2 系列非常适合大数据应用程序、SQL 和 NoSQL 数据库、数据仓库和大型事务数据库。 Lsv2 VM 在 AMD EPYC 7551 处理器上运行。

AMD 和微软 Azure

AWS 增加了对 Elastic Inference 的 PyTorch 支持

AWS 宣布它通过 Amazon Elastic Inference (EI) 添加了对 PyTorch 模型的支持。 AWS 表示，这将为 ML 开发人员带来一些巨大的好处，包括：允许他们仅使用所需的计算能力，从而将运行深度学习推理的成本降低多达 75%。在 EI 可用的地区，Elastic Inference 支持 PyTorch 上的 TorchScript 编译模型。

AWS

Dynatrace 提供延长的免费试用期