简介Minio服务器支持针对以下目标AMQP，Elasticsearch，Redis，nats.io，PostgreSQL和ApacheKafka的AmazonS3兼容存储桶事件通知。本博客系列的第2部分介绍了使用Elasticsearch服务器发送存储桶通知。配置Elasticsearch的步
当今的应用程序产生的数据比以往任何时候都多，并且这种上升趋势有望在可预见的将来保持下去。您如何处理不断增长的应用程序存储需求？可以在您的应用程序运行的地方运行并可以自动扩展的存储解决方案是必经之路。添加多租户功能
在开始调试Goroutines泄漏之前，让我先简要介绍一些基础知识，这些基础知识将使您对问题有更广阔的了解。并发编程。并发编程处理程序的并发执行，其中一次执行多个顺序的执行流，从而可以更快地执行计算，从而有助于更好地利用多核
在诸如Kubernetes，DockerSwarm，DC/OS等编排平台上运行的容器。提供了功能强大的通用方法来部署应用程序。容器使您可以部署隔离的应用程序实例，并且可以启动多个此类实例以扩大负载服务容量。借助编排工具，您甚至不必担心单个服务器的容量和调度
也许如果您像MinIO的我们一样，现在时不时地遇到Golang调用堆栈中的“自动生成”函数，并想知道它们的全部含义是什么？前一天我们遇到了一个案例，其中调用堆栈显示如下内容
简介加密网络流量已成为默认设置。有诸如SSH和TLS之类的标准化协议，以及诸如“让我们加密”之类的项目可以保护通过网络发送的数据。例如，TLS接收数据流，将该流分块为消息，并在通过网络发送消息之前对每个消息进行加密。TLS确保每封邮件都经过加密
我们来看一下NVMe驱动器上运行的Minio服务器的COSBench性能数字
修复了针对MinIO服务器AdminAPI进行身份验证绕过的可能性
在本文中，我们将了解为什么从MinIO等平台查询大型数据集时，Presto为什么以及如何成为首选工具。然后，我们学习在私有基础架构上设置和部署Presto的步骤。
简介JSON已将自己确立为Web的“通用语言”。因此，对于许多应用程序而言，JSON的解析性能非常重要。尽管JSON具有简单且人性化的特性，但从技术上讲，它并不是一种高速解析的琐碎格式。最近提出了一些新设计
Kubernetes从根本上改变了应用程序的架构，构建和管理方式。影响是广泛的，但是需要进行大修的一个领域是备份和灾难恢复。在Kubernetes的世界中，应用程序由微服务和短寿命的容器组成，因此需要一种以应用程序为中心的现代方法，该方法可以经济，安全地进行扩展。
纠删码是MinIO的核心功能。它是为分布式设置提供高可用性的基石之一。简而言之，写入MinIO的对象被分割成多个数据分片（M）。
ApacheKafka是领先的开源分布式事件流平台，用于构建数据管道、流分析、数据集成和应用程序。企业喜爱Kafka是因为它的高可用性、高吞吐量和可扩展性。他们还喜欢使用ApacheSpark来处理数据和构建分析，因为它快速、分布式且具有容错能力
KubeflowPipelines(KFP)是Kubeflow最受欢迎的功能。Python工程师可以使用KFP装饰器将用普通旧Python编写的函数转换为在Kubernetes中运行的组件。
长期以来，数据库一直是基于SAN的块存储和基于NAS的文件存储的主要工作负载。
1997年，克莱顿·克里斯滕森(ClaytonChristensen)在他的《创新者的困境》一书中确定了一种创新模式，该模式可跟踪现有企业和新进入者之间按细分市场划分的能力、成本和采用情况。
我创建的数据管道将美国人口普查数据下载到MinIO的专用实例。
MLflow是一个开源平台，旨在管理整个机器学习生命周期。
工程师喜欢在本地玩耍和学习。
网上搜索“minio是干嘛的”这个问题搜索的太多了，我们感觉是我们的工作没有做好才给大家造成了这么大的信息差。在这里，我们有义务将信息差补齐。
每个系统都需要备份，因为有无数种方法可以丢失本地文件系统数据和配置。这种损失可能是毁灭性的——可能导致收入损失、客户不满意，甚至代价高昂的诉讼。统计数据相当惨淡——遭受数据丢失事件的企业中有60%在六个月内关闭，而失去数据中心超过10天的公司中有93%在一年内申请破产。
很多中国地区的“攻城狮”们和运维专家们有各种担心向我们提问。MinIO有没有文件数量限制呀？还有这么问我们的？为了赚钱，MinIO会不会进行文件数量的限制呀？
在回答这个问题前，我们首先要明白一个关于监管上的要求和产品上的区别。因此，如果在公有云产品选择上可以选择阿里云OSS、腾讯云的COS、华为云的OBS和AWS的S3，都是全球非常优秀的对象存储产品。
想象一下，您正在笔记本电脑上进行开发，使用Docker将应用程序容器化，以实现一致性和易于部署。您当前的项目涉及使用MinIO进行对象存储，并且您在Docker中设置得很漂亮。
由于某客户在MinIO上使用的是HAproxy1.8版本，操作系统使用的是RHCL8.6版本。在操作系统内核、SSL证书位数和HAproxy1024位证书上产生问题。
单线程管道中的数据处理（或机器学习领域中通常称为数据预处理）通常是通过将整个数据集加载到内存中并在将数据交给模型进行训练之前对其进行转换来完成的
使用MinIO作为分布式对象存储系统，可以极大的帮助用户保护数据安全，在高IO和高吞吐情况下实现比传统老牌硬件存储厂商更低的成本、更高的性能和更符合自身业务情况的组合。
在现代数据堆栈中，对象存储是主存储。在人工智能时代更是如此，企业几乎完全专注于对象存储。现代数据堆栈依赖于分解的计算和存储，以及在Kubernetes上的容器中运行的云原生微服务。
很多时候，我们需要将数据从S3的站点（如华为云、阿里云、腾讯云），复制迁移回到本地的MinIO站点。而云迁移回本地存储则是我们经常被问到的问题。
LanceDB建立在Lance（一种开源列式数据格式）之上，具有一些有趣的功能，使其对AI/ML具有吸引力。例如，LanceDB支持显式和隐式矢量化，能够处理各种数据类型。
网络有不同的部分，例如DMZ、公共、私有、堡垒等。这实际上取决于您的组织和网络要求。在部署应用程序时，任何应用程序，我们都需要考虑类型以及它是否需要位于网络的特定部分。
您现在可以使用MinIO批处理框架执行S3删除操作，以通过单个API请求删除大量对象。借助MinIO批处理框架，可以快速轻松地在MinIO部署中执行重复或批量操作，例如批量复制和批量密钥轮换。MinIO批处理框架处理所有手动工作，包括管理重试和报告进度。
在过去的几个月里，我们看到基于对象存储的超快速分析数据库的托管服务有所增加。随着企业意识到将闪电般快速的数据准备与对象存储相结合的战略优势
服务器池可帮助您快速轻松地扩展现有MinIO集群的容量。这篇博文重点介绍如何增加一个集群的容量，这与添加另一个集群并在多个集群之间复制相同数据不同。
想象一下，在未来，人工智能不会被锁在公司的金库里，而是由全球创新者社区一砖一瓦地在开放中构建的。协作，而不是竞争，推动进步，道德考虑与原始绩效同等重要。这不是科幻小说，而是人工智能发展核心正在酝酿的开源革命。
您可能已经在利用MinIO事件与外部服务进行通信，现在您将通过使用PostgreSQL自动化和简化数据事件管理来增强数据处理能力。本文是为那些对MinIO、PostgreSQL和Docker有基本了解的人量身定制的
Microsoft在将S3连接器和Polybase添加到SQLServer2022时取得了重大飞跃。因此，企业可以利用他们保存到对象存储中的大量数据，并使用它来丰富SQLServer表。
MiniOKES（密钥加密服务）是MinIO开发的一项服务，旨在弥合在Kubernetes中运行的应用程序与集中式密钥管理服务（KMS）之间的差距。中央KMS服务器包含所有状态信息
本文讲述如何通过MinIO的S3构建分布式数量的股票数据湖，用于高性能计算、AI选股和量化交易、高频交易等。
放弃专用硬件，让软件和硬件解耦，才能让您了争真实的硬件成本。
CockroachDB数据库迅速崭露头角，作为一个坚韧且可扩展的分布式SQL数据库。它从其昆虫名字的坚持不懈中汲取灵感
MinIO部署形式多样。我们支持在任意版本的Linux上进行裸金属安装，支持在任何版本的Kubernetes（包括RedHatOpenShift）上进行容器化安装，还支持在大大小小的环境中部署单个轻量级二进制文件。
MinIOOperator简化了Kubernetes集群上的MinIO管理，不仅在初始部署期间（第0天和第1天），而且在正在进行的第2天操作期间。
一个链条的力量取决于其最薄弱的环节-同样，您的AI/ML基础设施的速度也只有您的最慢组件那么快。如果您使用GPU训练机器学习模型
谷歌最近宣布，它将取消那些离开平台的人的数据出口费用。鉴于我们在云运营模式和云生命周期方面的立场，这似乎是一个重大公告。事实并非如此。
最近关于大型语言模型的奇迹已经说了很多LLMs。这些荣誉大多是当之无愧的。让ChatGPT描述广义相对论，你会得到一个非常好（且准确）的答案。
机器学习和人工智能的魅力是不可否认的。想象一下，算法从您的数据中提取见解、预测客户行为并优化运营——纯金，对吧？但是，在你为一个训练有素的科学家的职位发布之
MinIO是一个强大的主要TileDB后端，因为两者都是为性能和规模而构建的。MinIO是一个单一的Go二进制文件，可以在许多不同类型的云和本地环境中启动。
在瞬息万变的数据存储和处理领域，将高效的云存储解决方案与先进的AI功能相结合，为处理大量数据提供了一种变革性的方法。
其他人会说，这并不是真正的范围——大多数人在最初的人工智能尝试中都会失败，但这并不重要，学习是值得的。在某种程度上，两者都是对的——但我认为为什么企业会失败是值得探索的
Weaviate是一个开创性的开源向量数据库，旨在通过利用机器学习模型来增强语义搜索。与依赖关键字匹配的传统搜索引擎不同，Weaviate采用语义相似性原则。
在之前的博客中，我们讨论了复制最佳实践和不同类型的复制，例如批量、站点和存储桶。但是，随着所有这些不同类型的复制类型的出现，人们不得不想知道在哪里使用哪种复制策略？
机器学习中高效、自动化的数据准备的重要性怎么强调都不为过，并且通常概括为熟悉的公理“垃圾输入，垃圾输出”。这强调了数据质量在决定机器学习模型成功方面所发挥的关键作用。
在传统的POSIX系统中，您可能熟悉可以读取和访问传统意义上的文件夹的数据访问函数。POSIX的问题在于它从来没有真正设计用于通过网络处理非常大的文件。
2020年，MinIO为基于Kubernetes的MinIO存储部署实施了直接持久卷（DirectPV）。DirectPV类似于LocalPV，但动态预配。
现代数据环境需要一种新型的基础架构，即无缝集成结构化和非结构化数据、轻松扩展并支持高效的AI/ML工作负载的基础架构。这就是现代数据湖的用武之地
基于MinIOWeaviatePythonGitOps探索的见解，本文探讨了如何增强软件部署流程的自动化。
虽然市面上有许多防火墙，但它们通常分为两类：基于IP的防火墙和应用程序防火墙。基于IP的防火墙，在第3层和第4层运行，简单，轻量级，相当原始。
在强大可靠的存储解决方案领域，MinIO作为持久层脱颖而出，为组织提供安全、持久和可扩展的存储选项。
我们最大的客户（那些拥有EB级数据和数千亿个对象的客户）所面临的挑战之一是无法有效地搜索和查询命名空间，从而为组织创建可用的清单。
可观测性革命推动了计算、安全、基础设施和可审计性方面的巨大进步。企业可观测性提供对云原生系统的全面和精细的可见性，以更快地识别和解决问题。
随着计算世界的发展和DRAM价格的暴跌，我们发现服务器配置通常配备500GB或更多的DRAM。当您处理大型部署时，即使是那些具有超高密度NVMe驱动器的部署，这些服务器上的服务器数量乘以DRAM也会迅速增加
大约三年前，当我们向客户和社区推出控制台时，MinIO的世界发生了变化。这是可访问性的巨大飞跃。
MinIO为全球S3和对象存储设定了标准，并已成为实现AI代理和功能存储集成的关键参与者。
在LinkedIn上，有一篇优秀的帖子在数据和数据库人群中流行。它由TheoryVC合伙人TomaszTunguz撰写，讲述了我们自2019年以来讨论的趋势。
想象一下，您已经花费了无数小时来完善DockerSwarm设置，精心设计每项服务，并调整CI/CD管道以实现无缝自动化。
云计算和容器化技术的发展改变了应用程序的开发、部署和管理方式。这种转变给网络环境带来了重大变化，为DevOps和SRE工程师带来了新的挑战和机遇。
任何在团队环境中工作过的人都知道，每个成功的团队都有一个得力助手——无论你的问题性质如何，他都能帮助你。
我们在LangChain的创新世界中的旅程揭示了其在转变数据管理和应用程序功能方面的强大能力。
SingleStore是专为数据密集型工作负载而设计的云原生数据库。它是一个分布式关系SQL数据库管理系统，支持ANSISQL，并因其在数据引入、事务处理和查询处理方面的速度而受到认可。
故事很重要，客户故事是最好的。他们提供令人瞠目结舌的统计数据或克服巨大障碍的那些是获得最佳头条新闻的那些。
公有云改变了公司构建、部署和管理应用程序的方式，主要是向好的方向发展。在您刚开始使用时，公有云会提供基础架构、服务、支持和维护，以便快速启动和运行。
在2024年年中，创建一个令人印象深刻和兴奋的AI演示可能很容易。需要一个强大的开发人员，一些聪明的提示实验，以及一些对强大基础模型的API调用，你通常可以在一个下午建立一个定制的AI机器人。
如果要使用大型语言模型（）LLMs实现生成式AI解决方案，则应考虑使用检索增强生成（RAG）的策略来生成上下文感知提示LLM
ApacheArrow是一种开源列式内存格式，适用于平面数据和分层数据
RisingWave是现代数据湖仓一体处理层中的开源流数据库，专为性能和可扩展性而构建。RisingWave旨在允许开发人员在流数据上运行SQL。
作为MinIO专注于AI集成的开发人员，我一直在探索如何将我们的工具无缝集成到现代AI架构中，以提高效率和可扩展性。
我们仍然惊讶于有如此多的客户来找我们，希望从HDFS迁移到现代对象存储，如MinIO
很难相信，马克·安德森（MarcAndressen）在13年前写下了他著名的博客，题为“软件正在吞噬世界”。
公有云的现象很难让你动手。自从AWS在本世纪初启动以来，它已经发展壮大并演变成一个现代计算平台，创造了我们所知道的云运营模式。
在此概念验证（POC）中，我们将探讨在Kubernetes（k8s）生态系统中安装和管理有状态密钥加密服务（KES）。
当通过添加新的服务器池来扩展MinIOModernDatalake部署时，默认情况下它不会重新平衡对象。
Kubernetesv1.30的发布带来了一系列更新，其中一些更新对于高性能Kubernetes原生对象存储MinIO的用户来说可能意义重大。
Trino（以前称为Presto）是一个SQL查询引擎，而不是SQL数据库。Trino避开了SQL数据库的存储组件，只专注于一件事-超快的SQL查询
MLOps之于机器学习，就像DevOps之于传统软件开发一样。两者都是一组旨在改善工程团队（开发或ML）和IT运营（Ops）团队之间协作的实践和原则
在现代IT运营中，面向IT运营的人工智能（AI-Ops）正在通过使用高级算法自动执行任务来改变数据管理。MinIO和Tailscale共同为应用层开发提供了安全、可扩展和有效的基础设施
MinIO的联合创始人兼首席执行官ABPeriasamy最近在AIinBusiness播客中亮相，他与Emerj的高级编辑MatthewDeMello就企业的AI基础设施和对象存储进行了丰富的对话
我们很高兴地宣布我们的第一个技术认证，即MinIO认证管理员-从业者。MinIO认证专业计划旨在验证个人管理MinIO的实践技能
无论您是在本地还是在云中，您都希望确保以同构的方式设置工具和流程。无论在何处访问基础结构，您都希望确保用于与各种基础结构进行交互的工具与其他区域相似。
数据处理是现代软件开发的基本实践。它使团队能够自动收集、处理和存储数据，确保高质量的数据和高效的处理。
在过去的几年里，显而易见的是，尽管公有云具有所有优势，但它并不能大规模地节省成本
作为Snowflake用户，您可能熟悉它在协作环境中管理数据方面的优势。Snowflake的用户体验经常因其直观的界面和无缝集成功能而受到称赞
DellECS集群允许您将数据迁移到任何S3兼容存储。DellECS将此功能称为“数据移动”，也称为复制到云
你知道一些最好的人工智能模型的秘诀吗？这是他们可以访问的数据量，他们可以接受培训。对于AI/ML模型：快速访问数据为王
在当前的机器学习范式中，性能和能力与计算成比例，计算实际上是数据集大小和模型大小的代理
人们常说，在人工智能时代，数据是你的护城河。为此，构建生产级RAG应用程序需要合适的数据基础架构来存储、版本控制、处理、评估和查询构成专有语料库的数据块
借助我们的HCP-to-MinIO工具，从HitachiContentPlatform（HCP）过渡到MinIO从未如此简单。该工具旨在支持客户不断变化的存储需求，可在GitHub上免费获得，大大简化了迁移过程。
MLOps是机器学习操作的缩写，是一组实践和工具，旨在满足工程师构建模型并将其投入生产的特定需求
Databricks宣布收购Tabular，这是一个由ApacheIceberg的原始创建者开发的数据平台，在数据分析行业引发了涟漪。
随着银行、医疗保健、石油和天然气等关键行业的企业从云端遣返数据，有时他们需要以“老派”的方式做一些事情，因为根本没有其他方法。其中之一是堡垒主机。
如今，业界都在谈论大型语言模型及其编码器、解码器、多头注意力层和数十亿（即将数万亿）的参数，人们很容易相信好的人工智能只是模型设计的结果
在云中运行AI数据存储基础设施非常昂贵。不仅存储数据的成本很高，而且每次应用程序使用来自AI数据存储基础设施的数据时，您都会被收取入口和出口费用。
在现代数据湖架构中，语义层通过向数据添加有意义的上下文来发挥至关重要的作用，否则这些上下文会丢失
MinIO性能如此之高的原因之一是，我们做了其他人不会或不能做的细粒度工作。从SIMD加速到AVX-512优化，我们已经完成了艰巨的任务
可观测性是指收集信息（跟踪、日志、指标），以提高性能、可靠性和可用性为目标。很少有人能确定其中一个事件的根本原因
在现代数据湖中，目录是高效组织和查询数据的支柱。最近的新闻报道，包括Databricks收购Tabular和Snowflake开源Polaris，都给目录带来了“它”的时刻
嵌入子系统是实现检索增强生成所需的四个子系统之一。它将您的自定义语料库转换为可以搜索语义含义的向量数据库
像ApacheIceberg、ApacheHudi和DeltaLake这样的开放表格式已成为查询处理器的事实标准。然而，最近有消息称Snowflake和Databricks等查询引擎采用了Iceberg的REST目录API，这改变了竞争环境，有利于Iceberg
ApacheKafka因其出色的设计和强大的功能而成为流式处理的事实标准。它不仅定义了现代流式处理的架构，而且其独特的分布式日志抽象还为实时数据流处理和分析提供了前所未有的功能
InsightPartners的团队刚刚发布了2024年企业技术状况报告。在60+幻灯片中有很多东西可以消耗，但我们挑选了应该让我们的观众感兴趣的东西-坦率地说，有很多有趣的东西
现代企业通过其数据来定义自己。这需要用于AI/ML的数据基础设施，以及作为现代数据湖基础的数据基础设施，该数据基础设施能够支持商业智能、数据分析和数据科学
在企业数据方面，MinIOEnterpriseObjectStore和Splunk有着共生关系。Splunk在其数字流处理器中使用MinIO
监管环境正在迅速发展，欧洲即将出台的《数字运营弹性法案》（DORA）就是这种动态变化的证明。我们有多个欧洲银行客户，每个客户都从略有不同的角度来解决这个问题
在人工智能和其他新技术的兴奋中，有一个组件悄悄而关键地将所有东西联系在一起——无论是字面上还是比喻上。这就是现代对象存储
数据领域最激动人心的发展之一是湖仓一体功能在所有主要数据库供应商中的兴起。Snowflake和SQLServer长期以来一直采用这一点，现在PostgreSQL正在通过pg_lakehouse拥抱这种范式转变，使得利用现代数据湖进行分析、AI等比以往任何时候都更容易
我们的客户是一家总部位于日本的全球金融机构，最近与MinIO和Dremio一起完成了一个雄心勃勃的Hadoop替换项目。
AI/ML、高级分析和数据库等现代应用程序需要高性能对象存储。MinIOEnterpriseObjectStore将可扩展性和高性能相结合，使每个工作负载（无论要求多么苛刻）触手可及
我们真的很喜欢PacketPushers的团队。他们的播客是业内最好的播客之一，涵盖了从堆栈顶部到底部的技术。
Microblink是一家专门从事图像检测的AI公司。他们从BlinkID、BlinkIDVerify和BlinkCard等产品开始进入身份空间
组织管理其数据基础设施的方式正在发生重大转变。越来越多的公司认识到存储和计算分离的优势，从而获得更好的性能、成本节约和可扩展性。这一趋势是由AI和ML工作负载日益复杂所推动的，这些工作负载需要灵活、高性能的系统
当AWSS3说话时，人们会倾听。上周，他们宣布了条件写入功能。但这对我们MinIO来说并不是突发新闻——我们最初在2023年2月合并了对条件写入的支持，从那时起，我们的许多客户一直在使用它
云原生、面向Kubernetes、基于微服务的架构推动了对MinIO等网络存储的需求。在云原生环境中，对象存储的优势很多-它允许独立于存储硬件对计算硬件进行弹性扩展。它使应用程序无状态，因为状态是通过网络存储的，并且通过降低操作复杂性，使应用程序能够实现比以往更高的规模
Confluent最近收购了WarpStream，这对数据流和对象存储集成的未来具有重大影响。WarpStream旨在直接在对象存储上运行。
小文件可能会给存储平台及其支持的应用程序带来大问题。在Google上搜索“smallfilesperformance”会产生2M+的结果
虽然ApacheKafka长期以来一直是流数据的行业标准，但新的创新替代方案正在重塑生态系统。其中之一是WarpStream，它最近在Confluent的所有权下进入了新的篇章
最近，我与我们一位出色的数据科学家ArchanaVaidyanathan进行了交谈，她面临着一个非常普遍的挑战—计算成本飙升。在更大的数据集上运行大型查询后，费用远高于预期
将MinIO的高性能、可扩展企业对象存储的强大功能与Polars（闪电般快速的DataFrame库）的快速内存数据处理功能相结合，可以显著提高数据管道的性能
Dell通常专注于文件管理器游戏，但他们涉足对象存储，并且有一个非常古老的产品ECS。这是有道理的，它是磁带的升级版，不适合HDFS现代化或数据库工作负载等动态工作负载
您过去肯定有过版本控制代码。但是，您是否对数据进行了版本控制？您是否曾经想过与不同的团队协作处理大量数据，而无需提交大量数据？想象一下，使用类似git的命令来运行类似存储库的生态系统
MinIO的入门非常简单—只需几个简单的命令和一个100MB的小二进制文件，您就可以立即启动并运行一个功能性开发环境。但是，为了在生产规模上利用MinIO的全部功能，我们鼓励专业人士更多地了解MinIO的广泛功能
特斯拉最近宣布开源其特斯拉以太网传输协议（TTPoE），这是一种尖端网络结构，专为AI/ML数据中心环境中的高速、低延迟数据传输而设计，从而掀起了波澜
AI计划通常是许多希望从数据中提取价值的组织的首要任务。但是，在聘请高技能的AI/ML工程师之前，需要建立管理和优化数据的关键基础
我们以前已经说过，但值得重复一遍。云是一种运营模式，而不是物理位置。这就是为什么您会在公共云、私有云和边缘到处都能找到MinIO的原因
AI是一头野兽。它需要不断地被喂养。它需要喂什么？当然是数据，而且是大量的。请记住，数据和AI是同一枚硬币的两面。人们经常忘记，最初构建AI模型的原因是因为它们被馈送到数百PB到EB的数据
从Hadoop到数据湖仓一体架构的演变代表了数据基础架构的重大飞跃。虽然Hadoop曾经以其强大的批处理能力统治着大数据领域，但如今的组织正在寻求更敏捷、更具成本效益和现代化的解决方案。
MinIOEnterpriseObjectStore是用于创建和执行复杂数据工作流的基础组件。此事件驱动功能的核心是使用Kafka的MinIO存储桶通知。
ParsecLabs是一家工程师公司。大多数人都设计了存储系统，负责备份和复制，或者从事网络构建交换机的工作。其UnifiedDataMobilityandProtectionAppliance成立于2013年，为大规模迁移、复制和备份数据提供了最直接的工具。
当今组织在AI和数据管理方面面临的最大挑战之一是获得可靠的基础设施和计算资源。英特尔Tiber开发人员云专为需要概念验证、实验、模型训练和服务部署环境的工程师而构建
在深入研究Amazon的PyTorchS3连接器之前，有必要介绍一下它要解决的问题。许多AI模型需要使用无法放入内存的数据进行训练。此外，许多为计算机视觉和生成式AI构建的真正有趣的模型使用的数据甚至无法容纳在单个服务器附带的磁盘驱动器上。
MinIO最近对656名IT领导者进行了调查，这是UserEvidence主要研究计划的一部分。结果非常有趣，突显了我们在企业中看到的巨大变化，无论是围绕向对象存储的转变，还是将对象存储用作组织AI计划的主要构建块的兴趣。
最初发布于NewStack。AI的未来是开放的，无论您的堆栈中采用何种技术，互操作性都是您保持领先地位的门票。
云曾经承诺无限的可扩展性、灵活性和效率。但随着生成式AI的兴起，许多组织正在以前所未有的云账单形式经历粗暴的觉醒。根据Tangoe最近的报告
MinIO控制台多年来一直是一个不断发展的产品。每次学习时，我们都会思考如何改进交互框架中这个非常重要的部分。首先是控制台，它在推出后的一年内就被广泛采用。
迄今为止，对象存储世界已由PUT和GET的S3API概念定义。然而，我们现在生活的世界需要更多。鉴于MinIO的S3部署甚至比Amazon还多，因此我们不得不提出下一个出色的S3API
今天，我们宣布推出AIStor，这是一个新版本，它代表了我们专注于为AI/ML工作负载构建世界上最好的对象存储。AIStor代表了我们最大客户一年的加速学习
tl;dr：GET、PUT、PROMPT。现在，可以使用新的PromptObjectAPI仅使用自然语言对存储在MinIO上的对象进行总结、交谈和提问。在本文中，我们将探讨这个新API的一些用例以及代码示例
一家领先的教育服务组织开始着手改造其IT基础设施，集成AI并对其系统进行现代化改造，以更好地支持全国规模的解决方案。
移动应用程序是按需提供的公司品牌。它是了解组织提供的任何服务或产品的窗口。在Kobiton，他们明白这一点—他们的使命是通过测试改进移动应用程序。
在最近与ExnessDBA团队负责人DmitryAlexandrov的对话中，我们探讨了MinIO如何使Exness能够处理海量数据并提供闪电般的交易体验。
AIStor可以以分布式方式部署，从而有效利用多个物理机或虚拟机的计算和存储资源。这可以是在私有云或公共云环境中运行的AIStor，例如使用AmazonWebServices、GoogleCloudPlatform、Microsoft的Azure平台等
MinIO的提示API现在是AIStor的一部分。MinIO的创建是为了支持海量数据集，包括超过EB级的工作负载，解决内存、网络、复制和负载均衡方面的挑战，而AIStor的创建是为了建立在这些功能之上并解决我们客户的AI使用案例。
AWS最近宣布推出AmazonS3表，该功能旨在解决在云中存储和查询表格数据的独特挑战。虽然这听起来可能具有革命性，但仔细观察会发现，AWS试图克服的限制是他们自己的基础设施所固有的，而不是对象存储所固有的。