​​【​观察】别空喊“数字化转型”了,先从换台存储开始!

 

你的企业已经开始“数字化转型”了么?

如果还没有,那可要立刻行动了!


这不是危言耸听:研究显示,在10年内,

预计40%的财富500强公司将不再存在;

标准普尔500指数中公司的平均寿命

出现了明显的降低,

从上世纪20年代的67年到今天的15年


到2018年,各行各业中排名前20的企业,

40%都将被颠覆;

到2020年,50%的全球2000强企业的

绝大多数业务将依赖于

数字化增强型产品和服务;

到了2020年,在大型组织中,

80%的预期增长将来自数字化。


如今,云计算、大数据、IoT、人工智能等新技术相继登上舞台,并将驱动第四次工业革命。蓬勃发展的互联网在不断催生新的商业模式,这让全行业日新月异,旧有的商业模式日落西山。


这种颠覆正在发生,在我们身边就有很多例子。


例如,电子支付的兴起已经改变了我们的日常支付模式。在很多城市,日常生活都已经能够实现“无现金化”,不管是商场购物,还是网上购物,打车出行,即便是在路边摊买份早点,都可以掏出手机“扫一扫”。再如,电商对传统商场门店的冲击有目共睹,共享经济开始大行其道,在造就互联网新贵的同时也给传统行业带来了新的挑战。


全球数字化变革势头猛进,寻求发展的传统企业逐渐走到了实践数字化的风口浪尖,但也有不少传统企业找到了应对挑战的方法,通过数字化转型获得了巨大的价值。


在1990年到2010年这20年间,GE通过应用材料科学的研发和进步,实现了每年4%的工业生产力提升;去年开始,GE通过工业互联网平台和客户的设备连接,工业生产力实现了两位数的增长。


GE是一个典型的数字化转型取得成效的例子。但目前来看,大量传统企业的数字化转型仍旧存在一些挑战,Gartner曾经指出,阻碍中国企业数字化转型有两大因素,其一是缺乏创新,尤其在传统行业;其二是缺乏人才,由于互联网企业开出的薪水待遇远高于传统企业,因此很难留住技术人才,导致数字化转型难以开展。


应当如何开始数字化转型?


在今年的2017戴尔科技峰会上,戴尔大中华区总裁黄陈宏博士曾经指出,企业数字化转型应当有三个方面需要关注:客户、业务、员工。



通过更优的业务模式和体验,为客户创造价值,让客户和合作伙伴满意是数字化转型首先需要关注的。然后是业务,企业应当实现IT转型,实现实时企业、快速决策和高效管理。之后是员工,实现生产力转型,改进数字化体验及提升工作效率。


除了三个关注点,实现数字化转型还有三个关键要求:业务战略、创新IT技术、员工生产力。换句话说,“数字化转型”并不仅仅是IT,企业要有清晰的数字化转型战略、建立灵活的业务流程、建立基于数字化的监管机制、管理新的数字资产。


但IT对于数字化转型来说,是支点,是驱动力,离开了IT,企业的数字化转型也无从谈起。但幸运的是,当前中国企业越来越重视IT的作用,随着企业的收入不断增长,IT预算也在节节增高。


Gartner的一份调查显示,中国的调查受访者预计所在企业的收入平均增速将达到10.9%,而全球平均值为4%。他们认为其IT预算将平均提升10.2%——远高于2.2%的全球平均比例。但是,由于IT预算增长低于收入增长,中国企业IT支出占收入的比例仍将保持低位,不及全球平均水平的一半。


当业务需求和IT预算产生矛盾,这意味着中国企业应当选择更具性价比、更“超值”的IT基础设施,让有限的IT预算产生出最大的业务价值。


如何选择一台“超值”的存储?


客观的说,在企业IT基础架构中,存储的重要性毋庸置疑。


随着数字化转型进程的不断深入,数据已经成为企业最为重要的资产,也是企业能够挖掘价值的“金矿”。同时,多业务混合负载在企业中已经成为常态,企业既可能有ERP、数据库、虚拟化等关键业务,也可能有Web、OA、邮件、文件打印等非关键任务。这就决定了企业存储系统也要承担混合负载。


由此,存储也成为IT基础架构中最容易出现瓶颈的地方。为支撑企业的数字化转型,存储系统既要能够满足企业的数据扩展需求和可靠性,也要具备“十八般武艺”,应对混合应用负载的需求。


那么,在企业的数字化转型中,应当如何着手来改造存储系统?当然是选择闪存系统。闪存系统的优势已经无需赘述,高性能、低延迟、高吞吐、具有新的存储特性等,它既适合支撑传统业务架构,也能适应高弹性的新业务负载,是一种面向未来的存储系统。


戴尔拥有着完善的闪存产品线,从入门级的SCv2000到旗舰产品SC9000,覆盖了各个市场段。



其中,戴尔SC7020是面向中高端用户的全闪存系统,它在性能、扩展性、高级存储功能、安全性、价格等方面达到了很好的平衡,堪称企业应用多面手,是一款非常超值的产品。


 

先看规格和性能

SC7020采用3U机箱,集成双控制器,处理器采用两颗英特尔8核E5-2628 v3;每个控制器最高支持128GB内存,支持30个2.5英寸硬盘托架,总存储容量高达3PB。SC7020可在同一系统中混合使用不同类型的硬盘,包括5K、10K、7.2K RPM的传统硬盘,以及SLC、MLC和TLC格式的写密集型和读取密集型固态硬盘。

 

戴尔SC7020具有强大的读写性能,使之无论在“可靠IT”应用负载还是在“敏捷IT”应用负载中都能游刃有余。

 

经企事录实验室测试验证,20块SSD配置的SC7020阵列,在8KB随机读写极限性能测试中,获得近37万IOPS,带宽接近3GB/s,平均响应时间仅为0.43ms;在两节点Oracle RAC环境下,SC7020提供了1.7万笔/秒的事务处理能力,峰值TPM超过105万。


SC7020的8KB数据随机读取带宽能够接近3.0GB/s


在Oracle RAC环境下,SC7020的平均TPM(每分钟事务处理数)接近100万,峰值TPM性能超过了105万


 

再来看功能

戴尔SC7020的高级软件功能针对闪存系统进行了全新设计,具有智能分层、重复数据删除、压缩、多副本数据保护、QoS、VVOLs等功能。值得一提的是,SC7020的自动分层功能不仅可以在不同介质之间,如写密集型SSD、读密集型SSD和HDD之间分层,还可以在RAID级别进行分层——在SC7020中,相同的SSD可以具有多个RAID级别,如写入时采用RAID10,读操作更多时可以自动转化成RAID 5/6。

 

强大的自动分层能力让戴尔SC7020就像是在同一个机箱中拥有多个阵列,这意味着这套闪存系统能够为每个工作负载提供最适合的性能。

 

戴尔SC7020还具有防误删/篡改/版本保护、历史可追溯能力的多版本数据保护功能,能够每10分钟保留一个数据版本,保留288个后自动循环覆盖;在任何数据变更前保留三个数据版本;每个版本保护只保留数据增量,无需额外的存储容量投入。

 

此外,结合最新的SCOS,采用全虚拟化、流动数据架构的SC7020还能便捷的实现在线迁移(Live Migrate)、联合系统(Volume Advisor)、灾难恢复(Live Volume)等高端存储功能,让用户方便的构建双活甚至两地三中心,提供可靠的备份容灾。


 

再看经济性

戴尔SC7020为客户提供了读密集型、写密集型的SSD选择,结合强大的自动分层功能,SC7020能用更少的硬件成本投入获得更优异的性能,提升存储经济性。

 

此外,SC7020具有高比率的压缩和去重功能,其数据的平均压缩率高达60%,在MS环境中的压缩率高达93%;平均数据删除率达到4:1,在 VMWare环境中最高达到10:1——这能够帮助客户自动实现成本节省,让空间更加有效的利用,而避免过度的硬件投入。

 

值得一提的是,很多闪存系统只能在SSD上提供去重和压缩功能,而SC7020 能够同时在SSD和旋转硬盘上提供去重和压缩功能,进一步提升存储经济性。


 

还有服务

戴尔SC7020闪存系统提供了全方位、保姆式的服务和保障,包括SD故障更换、“60天内不满意即退货”等存储保障计划,以及ProSupport Plus白金服务,由专属技术客户经理和精英级存储工程师提供支持;通过SupportAssist,戴尔还提供了“主动式”的问题监测和响应,能够主动为客户提供系统维护和每月建议报告,以改善系统的稳定性。


 

结合在性能、功能、经济性、服务方面的素质,戴尔SC7020能够为数字化转型中的企业带来“超值”的体验,堪称企业改造存储系统、打破存储瓶颈的理想之选。


“如果你昨晚还是一个工业公司,那今天就可能是一家软件和分析公司”,通用电气首席执行官Jeff Immelt曾经如是说。在这个数字化变革的时代,好像出现什么故事都不稀奇。

 

正如前文所提,“数字化转型”是一个系统工程,不仅包括IT技术的转型,也包括业务战略、客户体验、运营模式、员工生产力等方面的转型。这个目标很宏大,实现起来也也可谓“路漫漫其修远”。

 

不妨从基础做起,从细节入手,从改造存储开始,或许就会获得让人惊喜的收获!



申耀的科技观察(微信号:shenyao),由非著名科技媒体人申耀创办、10万公里公路自驾经验老斯基,在各大自媒体平台拥有专栏,致力于科技行业的观察和思考,在这里读懂科技行业,知趋势,赢未来!



1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值