戴尔PowerEdge R730xd最大邮箱数量测试
在这测试环节中,我们主要测试戴尔PowerEdge R730xd服务器存储子系统所能承受的邮箱数量,这一测试项目不仅对性能有一定的要求,同时对于存储容量也有要求。
在测试之前,首先需要引入戴尔的Fluid Cache方案,如前文提到的,此次测试使用的是SanDisk公司提供的FlashSoft Software for Windows Server v3.5版本软件,这是一个DAS缓存加速软件,因为R730xd中所使用的闪存OEM自SanDisk公司,SanDisk公司提供的缓存方案也被戴尔官网推荐使用。
FlashSoft软件的安装非常简单,在Windows环境下,直接通过鼠标点击就可安装完成。同时,在配置缓存策略时,将上一测试中所用到的RAID 0闪存卷直接作为write back缓存卷,5块容量为2TB的近线SAS磁盘采用RAID 5模式设为一个卷(volume),实际可用容量为7.5TB左右。这一个卷作为数据实际存储卷,即被SSD缓存加速的卷。
利用Jetstress 2013对R730xd进行邮箱最大数量测试,在这之中,根据上一测试提到的公式(邮箱数量=Mailbox服务器的IOPS值/(每邮箱的IOPS值*I/O开销因子))来进行设定,具体设定如下:
邮箱数量:4000个
每邮箱IOPS:0.35
每邮箱容量:2000MB
数据库数量:默认1个主数据,1个数据库副本(Database copy)
测试时间:24小时
根据这一配置进行测试,获得的测试数据如下:
根据之前的设置,每邮箱用户需要0.35 IOPS,4000个邮箱用户总共需要1400 IOPS,这一测试方案实际提供的IOPS为1908.195。同时,其读IO平均延迟为6.976毫秒,写IO延时为0.556毫秒。满足邮箱服务器应用的性能需求,测试结果为PASS——通过。
在这之中,值得注意的是,读IO延迟与写IO延时不在一个数量级上,这主要就是SSD缓存的影响。写IO直接写在SSD之上,所以延迟较低;而读IO延迟之所以较大(相对于写IO),是因为数据存储卷容量(7TB)远远大于SSD缓存卷容量(928GB),且测试过程中,读IO都是随机分布,缓存命中率较低。通过FlashSoft的监测界面也能很明显发现,如下图:
整个928GB闪存卷在读IO过程中的缓存命中率约为17%,而写IO基本都是先写入缓存,直接写入磁盘的IO占写IO总数的1%
在整个测试过程中,读IO次数约为14000万次,其中磁盘提供了近11500万次,缓存提供了近2500万次,相差一个数量级,缓存命中约为17%,这主要是因为测试过程中大量的随机读操作,会影响缓存命中,因为缓存卷容量远远小于数据存储卷容量。
而写IO大多先写入SSD缓存卷中,然后再写入磁盘(图中写入缓存的IO次数超过2500万次,而直接写入磁盘的IO不到5.7万)。这也可以解释为何测试结果中,为何数据库读操作的平均延迟要远远大于写操作的平均延迟。
经过实际测试表明,送测的这台PowerEdge R730xd服务器能够支持4000个邮箱用户,且用户体验相当迅速,因为根据Jetstress 2013测试工具给出的每邮箱用户的参考IOPS为0.15,而在本次测试中,我们设定为0.35,远远高出参考数值,IOPS越高,证明所能承载的邮箱用户数越多,但由于送测服务器容量的限制,在200GB x5 SSD作为缓存,2TB x 5 HDD作为实际数据存储的情况下,其最大邮箱支持数量在4000左右。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。