技巧 第15页

虚拟化是云计算的重要基础，虚拟化在带来资源灵活性和利用效率极大提升的同时，在性能方面打了折扣，为了提升云端服务的性能，市场上开始出现了Bare metal（以下统一称作:裸机服务器）这样的裸机服务器，这是另一种优化方案。在更多极致优化性能的场景中，一个重要的思路是做offload，把原本许多需要系统调用、内核操作的工作交给别的物理设备来做，绕开系统，绕开CPU，简化流程，简化操作，把一些与业务无关的任务用别的设备来做，换句话说，就是计算机系统的各部件分工更明细了，让效率提升。

有无RDMA前后

典型如RDMA，就是绕过了CPU操作的流程，把原本CPU要做的事儿交给了别人。类似的offlload创新有很多，在超大规模云计算中心这种效率至上的地方，AWS的Nitro也在做同样的事儿。

有无Nitro架构上发生的变化

从上图可以直观的感受到，有了Nitro系统之后，系统构建的复杂度明显降低。在实际实现当中，Nitro分为三大方向，且三大方向相互独立。

这三大方向分别是:

NitroHypervisior:专有硬件上承载hypervisior，实现近似裸机服务器的性能表现；

NitroCards:专有硬件承载存储、网络功能，以及控制EC2实例的业务逻辑；

Nitro安全芯片:硬件层的安全验证能力；

NitroHypervisior

Nitro首先是一块ASIC芯片做成的系统，插在云数据中心的物理服务器上，把原本需要运行在CPU上的软件hypervisior要做的事儿自己做了。

图自AWS re:Invent 2018

把原来虚拟机软件要做的事儿交给专有硬件来做之后发生了很多变化，最最最主要的就是性能上的变化。AWS首席技术布道师Jeff Bar在一篇博客里写道：有了NitroHypervisior的实例跟裸机服务器主机相比，性能只差了大约1%，这一微小差别很难察觉出来。上图是一张在2018年AWS re:Invent大会keynote上公布出来的图，它展示了采用Nitro hypervisior的C5实例与没用Nitro的C4，以及裸机服务器主机的唤醒时延对比，C5主机表现与裸机服务器主机差别非常小。

Nitro的引入是AWS EC2的极具突破性的创新，上图回顾总结了EC2多年来使用的虚拟化技术的变迁史，从上到下的历代更新中，用硬件直接干的事儿越多，从纯软的虚拟化到半虚拟化，性能越来越好，最开始连CPU和内存都是虚拟的，后来，Nitro用ASIC硬件运行的基于KVM的Hypervisior取代了原来的Xen虚拟化方案，CPU、内存、网络、存储都成了硬件来支撑的了，现在可以说是真正的硬件虚拟化了，性能嗖嗖的上来了。

在性价比方面，Nitro将原本在通用CPU里运行的Hypervisior抽离到了专有硬件上，offload掉了原本需要服务器自己做的事儿，所以，用户买到的资源就不再打折扣了，比如CPU和内存资源就更足量了，如果说腾出来的CPU计算资源量不好描述的话，那么内存容量的足额交付就非常直观了。

那么，性价比能差多少呢？

以C5实例为例，从新一代的C5实例开始，AWS未来几乎所有的新型主机会用Nitro。对比一下，原来C4系列主机CPU:RAM的配比是1：1.875，现在变成真正的1：2了，当然计算资源也有类似的提升，用户能买到能足额交付的资源，或者说买到的资源都能用于业务上了，对于用户来说意味着性价比的提升。

今年2月份的一则消息显示，AWS中国的用户已经能使用包括计算优化（Compute-optimized）的C5和C5d实例，内存优化（Memoryoptimized）的实例R5和R5d实例，说起性价比提升，AWS给出的数据显示，从C4升级到C5的话，中国用户能享受到的性价比提升高达49%。另外，R5相对R4实例，每个vCPU能提供额外5%的内存空间，而且，R5相对于R4价格降幅也高达49%。

可以说，C5最大的特点就是性价比提升，这一做法比打价格战高级多了。对于云主机这种需求和要求都非常明确的商品来说，性价比对用户还是非常有吸引力的，AWS表示有数千客户都开始用上了C5的实例，包括大名鼎鼎的Netflix也对C5相对于C4的性价比赞赏有加，在实际使用中，Netflix发现C5实例比C4实例的性价比提升了40%。

当然，以上性价比数值都是AWS或者Netflix根据精确的计算算出来的，普通用户想直观感受下性价比差异的话，可以参考这一网址（https://aws.amazon.com/ec2/pricing/on-demand/），中国用户可查看(https://www.amazonaws.cn/en/ec2/pricing/ec2-linux-pricing/）。

笔者我也简单感受下吧，简单查看如下价格表会发现，同样是36核的实例，C5内存比C4的内存生生多出来12GB，价格却降低了大约20%，C5果真是加量还降价了，有兴趣的朋友也可以自己看看。

截图自AWS中国官网

当然，如果能在整体能力上有所提升就再好不过了，从实际数据可见，C5实例的各方面配置相比C4也有明显提升。

在计算能力提升方面，一方面要靠NitroHypervisior做offload节省出来的计算资源。另一方面，当然要靠新一代的CPU了，AWS的C5实例采用的是英特尔定制的第一代至强可扩展处理器，支持最高72vCPU和144GB内存（保持计算优化型主机1:2的配比），支持AVX 512指令集强化的向量和浮点计算能力，而C4最高只有36vCPU和60GB内存配置。

Nitro Cards

存储方面，在C4时代，Nitro card就用在了EC2的实例存储当中了，而C5d系列实例在存储方面进行了强化，支持本地的NVMe SSD。本地的NVMe的性能优势毋庸赘言，在IOPS和延迟方面都有显著提升。目前，除了C5d以外，M5d还有裸机服务器的EC2实例也都支持本地的NVMe存储了，凡是实例命名里有字母d的都是支持本地NVMe SSD。另外，在支持远程EBS块存储的时候，还采用了非常先进的NVMe over fabric技术。

总之，NitroCard充当NVMe控制器的角色，也从hypervisior做offload，充分利用硬件的能力。不仅如此，Nitro Card还在硬件层实现了EC2实例与存储之间的隔离，隔绝了用户间的一些性能干扰。

VPC网络方面，Nitrocard充当网卡，充当ENA控制器的角色，充当SDN功能的专有硬件，从hypervisior做offload，让服务器的CPU不用预留资源去处理网络事务。此外，除了类似Nitro Card充当NVMe控制器时候的隔离性能干扰的特性外，AWS的这块特殊的网卡还支持许多高级的网络加速特性。

Nitro的功能相对独立，可以根据需求灵活搭配来组建，Nitro Card 控制器是一个大管家，可以管理Nitro的Hypervisior、存储、网络以及安全功能。AWS通过它来在后台进行系统管理。

Nitro 安全芯片

在安全方面其实就没什么offload了。我们知道，各种设备的firmware对系统的安全有序运行都非常关键，为了正确管理这些firmware，Nitro 安全芯片一方面追踪服务器上各种控制器的firmware的IO操作，一方面还能升级管理这些firmware，这是原来的服务器做不到的。在启动服务器的时候，Nitro芯片会做各种底层的安全验证，以此来保证系统安全。

结语

以上就是Nitro系统的主要职责，它将存储、网络、管理以及安全的能力都offload到专有的硬件上了，省去了与通用计算设备抢占资源的麻烦，节省资源，提升效率，作为AWS平台的一部分，用户对于Nitro是不可见的，而且，用户不需要知道有Nitro这个东西，各种使用体验与原来没有Nitro的实例几乎一样，然而，用户拿到的资源更多了。

看来用专有硬件做专业的事儿，比通用硬件带来的效率要高的多，不然怎么会提升性价比呢。云巨头在信息产业有举足轻重的作用，除了在业务上对传统IT带来冲击以外，在IT架构本身也带来了许多新变化，云巨头需要定制适用于超大规模数据中心的服务器、网络和存储等基础硬件，当考虑到规模效应时，将一些领域做得深入细致也是必然趋势，AWS的Nitro在EC2的offload上开了个头，从不跟友商比较的AWS，这次又以一种新的方式，恐怕要逼得纯粹的云主机价格战无路可走。

---

2019年全球闪存峰会将于2019年8月22-23日在中国杭州国际博览中心召开，大会由中国存储器产业联盟，中国计算机学会信息存储专委会，武汉光电国家研究中心，百易传媒(DOIT)共同举办，将有中国计算机学会存储专委会、武汉国家光电研究中心、SNIA等多家业内顶尖机构的重量级嘉宾参与其中，有众多业内知名大咖，意见领袖共襄盛举。

计算型存储（Computational storage）是一股新的发展趋势，什么是计算型存储呢？所谓计算型存储指的是一些数据处理的任务交给存储层来做，而不是把数据挪到主内存里用host的CPU来处理。

计算型存储背后反映出，人们对于将数据从存储的地方迁移到计算的地方时的考虑，这一过程耗费时间，效率比较低。在AI和数据分析领域，数据量都非常大，这时，将数据从产生的地方迁移的话，产生的延迟对于延迟敏感型应用来说是不可接受的。

每当新的趋势出现，各种创新创业公司都会冒出来，沿着不同的技术路线开发不同的技术方案，计算型存储与许多新型的技术门类一样，也缺少一些标准。

为此，SNIA专门成立了一个专门面向计算型存储的技术工作组，该工作组由NGD和SK Hynix共同主持，有20多家公司参与其中。

451 Research的一份报告上简要介绍了计算型存储，近日这份报告还将出现在SNIA的官网上。

Blocks & Files 网站上也能看到这份报告，这里简要介绍几个创新公司吧。

NGD Systems

NGD通过将ARM Cortex-A53处理器集成到NVMe SSD控制器，这种简单方式来实现现场数据处理。

数据仍然需要从NAND闪存芯片移动到处理器，但这是通过使用一个通用闪存接口（CFI）完成的，该接口的带宽是主机接口的三到六倍。

这种做法的优势在于，处理器运行着一个标准的操作系统（比如Ubuntu Linux），这就意味着Ubuntu上运行的任何软件都能用于现场计算，NGD的硬盘本身在这里可以当成标准的SSD来用。

NGD没有具体说性能有多大提升，只是说，相对于上一代硬件，将图像识别速度提高了两个数量级，Hadoop的数据处理效率提高了40%以上。

三星Samsung

三星于2018年10月宣布推出SmartSSD，三星将其描述为智能子系统，而不是存储设备，这是一套装载了多个SmartSSD的服务器，这一做法其实类似于计算集群。

每个智能固态硬盘都基于三星的3D V-NAND TLC闪存做存储部分，加上带有ARM的赛灵思Zynq FPGA作为计算单元。三星的Smart SSD主要面向两种工作负载：一方面是数据分析，一方面是存储相关的事务，比如数据压缩、重复数据消除和加密什么的。

跟NGD不一样的是，SmartSSD不能运行标准的软件，三星和赛灵思联合开发了一个runtime库来运行一些软件。

据了解，这些设备目前正在超大规矩数据中心用户和存储系统厂商进行测试。

开发数据分析和机器学习的那个Bigstream展示了使用三星SmartSSD运行Apache Spark的demo，性能提升了三倍到五倍。

ScaleFlux

Scaleflux的CSS固态盘也把数据存储与数据处理结合起来了。目前在售的CSS 1000系列PCIe卡或U.2盘有2TB-8TB容量，第三代产品将于今年晚些时候问世。

每个CSS固态盘也都是基于赛灵思的FPGA来做的，FPGA负责处理数据，同时又扮演闪存控制器的角色。CSS固态盘首先通过ScaleFlux软件模块集成到主机服务器和存储环境中，然后，还能通过软件模块中公开的API来访问计算功能。

另外，原来在SSD控制器里的FTL拿了出来，放到了软件模块里面。这意味着会占用一部分的主机的CPU资源，但ScaleFlux认为，作为系统软件来运行有其固有优势，比如可以进行一些优化来适应特定的工作负载什么的。

遗憾的是，将数据处理从服务器迁移到CSS固态盘需要改代码，不过ScaleFlux提供现成的代码包来加速应用程序迁移，支持Aerospike、Apache HBase、Hadoop和MySQL、OpenZFS文件系统和CEPH存储系统。

ScaleFlux表示，中国的阿里巴巴就打算用CSS固态盘来加速PolarDB，PolarDB是阿里打造的一款集事务型和分析型于一体的数据库，据了解，为了用这个盘，阿里巴巴自己改了代码来进行适应，而且用了SacleFlux提供的API。

Eideticom

Eideticom的NoLoad并不常见，这也是一个计算型存储，外型上是个2.5寸的U.2 NVMe SSD，内部包含赛灵思的FPGA加速器，还有一个小的内存。

Eideticom这套东西的背后主要利用了PCIe总线的优势，PCIe总线可以在NoLoad加速器和NVMe SSD存储之间快速移动数据，很少或根本不牵涉主机CPU。

这样做的好处在于，由于计算型存储的计算部分和存储部分是分离的，所以，计算部分和存储分部可以独立扩展。

Eideticom此前一个DEMO显示，将18块固态硬盘一共160GB的传输速率连到六块NoLoad上，对硬盘上的数据做压缩，而CPU的使用率不到5%。

Eideticom表示，一块NoLoad可以以超过3GB/秒的速度压缩或解压缩数据。所以，Eideticom主打的场景是数据压缩和重复数据删除，未来还将强化在加速数据分析方面的能力。

Nyriad

这家新西兰的公司最初开发这套NSULATE系统的时候，其实是为了给SKA射电望远镜处理大规模数据使用的。

NSULATE方案不是硬件产品，而是一个Linux块设备，是一套高性能的、适用于大规模存储软件RAID解决方案，它采用NVIDIA的GPU作为存储控制器，以深度奇偶校验计算来执行擦除编码，实现非常高的数据保护级别。

当然，那么贵的GPU不能只用来做存储控制器吧，Nyriad表示GPU还可同时用于其他工作负载，比如机器学习和区块链计算等。

小结

计算型存储是一种新兴技术，有分析师预测这一技术将很快普及开来。

新兴工作负载比如机器学习和分析场景需要非常快速的数据访问能力，计算型存储应该是一个不错的解决方案，随着未来SCM的应用，计算型存储的能力还将进一步放大。

---

欲获知更多闪存存储技术，市场新动态，敬请关注2019年全球闪存峰会。

2019年5月下旬，UCloud在京举办用户大会，此次大会上发布了许多新品，同时介绍了一些对原有产品的更新和强化。

UCloud技术副总裁杨镭在大会现场谈到云计算产品时，特别提到了云主机的市场地位，有数据显示云主机产品贡献了云计算市场65%的营收，确实，云主机通常是上云要接触的第一个产品，云主机作为云计算基础产品非常很重要，2019年的此次发布会上，围绕云主机相关的有几项更新，其中笔者最感兴趣的还是RSSD的云盘产品，为此笔者现场采访了UCloud块存储研发总监彭晶鑫，就这款120万IOPS的云盘产品进行了深度交流。

云盘的优势与局限

RSSD是一款云盘，云盘作为供云主机使用的随机可读写的块设备存储，需要具备持久化、高可靠、低延迟的特性，分布式的系统设计可以避免单点故障，需要以多副本冗余保证数据的可靠性和可用性，用户基本的使用方式跟硬盘一样，但云环境下又有很多便利性。

通常在云环境下，云盘存储与云主机相互独立，这样设计的好处是在线迁移和宕机恢复中体现的最为明显，由于数据就在独立的云盘块存储里，无需硬盘数据迁移，只需迁移内存和寄存器中的数据即可快速完成在线迁移；当宕机故障发生的时候，可以快速在另外一台虚拟机上分配CPU和内存，整体的恢复速度会快很多。

另外，由于云盘通常采用的池化设计，用户可以自己按照需求定义云盘的大小，可以轻易做到非常大的容量，比如UCloud能做到100TB，大容量的好处非常明显，用户在使用中就不需要在一个主机里同时挂载多块云盘了，只用这一块盘就可以了，降低了管理的复杂度，同时单盘容量越大对应性能也会有一定比例的提升。

图：UCloud块存储研发总监彭晶鑫

想把容量做大并不是一件简单的事儿，UCloud块存储研发总监彭晶鑫解释说，单盘容量变大的技术挑战主要在于元数据管理，元数据的存储和读取效率是主要问题，2017年，UCloud块存储研发团队重新设计了元数据模型，大大减少了元数据的数据量，最终可以把单盘容量做到很大，于是才有了现在从32TB到100TB的单盘容量。

据悉，UCloud可提供两种类型的云盘：一种是普通的云盘，用的是机械硬盘，另外一种是SSD云盘，普通云盘的IOPS大概是1000左右，时延大概是5-10ms之间，而SSD云盘的IOPS能轻松达到2.4万，而且时延能降低到0.5-3ms左右。

不过，这样的性能表现在一些场景下仍然是不够用的，与物理机的NVMe固态盘所提供的动辄百万IOPS的性能相比，仍有不少差距，如果云端性能仅限于此，那么，这样的云显然是不完整的，用户需要性能更强的云盘。

百万IOPS的RSSD

在UCloud的存储产品家族中，RSSD是一款增强版的SSD云盘，IOPS能达到120万，时延能降低到0.1ms，在128队列压测性能时，时延低至400us， 它是UCloud云服务产品能力的重要支撑，也是市面上极具竞争力的产品。

RSSD是一款块存储，头文字“R”一语双关，R既可以代表Rapid，强调快的特性，高IOPS低延迟，因为这是一款基于企业级NVMe SSD打造的性能型云盘，“R”的另外一个含义是RDMA，因为在优化过程中在RDMA层面做了很多创新。

本质上，RSSD用的是企业级的NVMe SSD，所以，价格上相比原来基于SATA SSD的普通SSD云盘会贵出一截，NVMe SSD开放出了很多能力，所以也留出了很多优化空间，不过，性能想进一步提升其实面临很多技术障碍。

在RSSD中，UCloud使用的并非标准的NVMe协议，但硬件本身并没有太多定制化的成分，主要还是标准化的NVMe SSD。在一些实现上，为了优化性能表现都采用了优化过的私有协议，在发布会现场，彭晶鑫总结了4个技术方面的要点。

1. 在Client侧利用了vhost user技术，通过vring共享内存，最终让虚拟机与存储客户端之间实现了零拷贝；
2. 网络层，用RoCE(RDMA over Converged Ethernet)替代了原来的TCP协议，绕开了系统内核，提升了传输效率，使得4K网络包收发延迟降低到了10微秒内的级别；
3. 存储方面，用SPDK替代了libaio完成存储IO读写，可以以用户态IO读写，即使是在高并发下，依然可以保持比较低的时延；
4. 整体的IO路径都工作在用户态，RSSD还使用了线程轮询的模式，减少用户态内核态切换，也就减少中断带来的损耗。

RSSD的软硬协同设计带来结果非常显著，最终在128队列时，4K IOPS达到了120万。UCloud提供的实测数据显示，在与一些友商的同类产品相比时，在IOPS和延迟方面，均有好几倍的优势。

从技术实现的思路来看，每当需要极致性能的时候，系统设计通常会选择进行offload，从系统层，到内核层，到直接绕开CPU，通过极致的专有设计提升性能，这一思路在如今的许多创新架构中都非常常见。

当前，云盘性能进一步提升的瓶颈主要还受限硬盘本身，如今随着基于闪存的技术和创新的闪存存储方案越来越多，优化的空间还有很多。彭晶鑫表示，下一阶段，将考虑采用一些基于Open-Channel协议的SSD，以及一些持久内存等创新性的存储方案，也就是说，还会进一步努力降低延迟，提升IO体验。

性能以外，数据安全至关重要

性能以外，RSSD对应有数据方舟来提供数据安全服务，彭晶鑫介绍说，数据方舟是为UCloud 云主机磁盘提供连续数据保护的服务，采用异构解耦的方式将数据复制到另外一个集群，当原有的集群受到影响时，备份集群没有任何干扰，这是数据方舟方案的一大特点。

数据方舟可以记录实时的IO流，可以恢复到一定时间段内的任意一秒，比如当用户误删除操作之后，可以用数据方舟进行恢复。彭晶鑫介绍说，数据方舟的应用其实已经非常普遍了，几年前的勒索病毒横行，数据被加密之后都不可用了，而UCloud的数据方舟能将数据恢复到中毒前的状态，还意外破解了勒索病毒。

从RSSD的优化表现上，我们已经看到UCloud在基础设施层面的创新能力，相信未来还会看到UCloud团队在软硬件协同领域有更多的探索，持续优化产品性能。（文/朱朋博）

2017年12月，华为发布新的愿景和使命—把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。这家ICT巨头对IT业务的重视程度上升了一个新的层次，对于数据，对于数据智能相关的技术，包括云计算，AI，大数据等相关技术也越发重视。

2019年6月5日，华为发布智能数据解决方案FusionData，这是一个智能的数据全生命周期管理方案，从数据接入、数据处理和数据使能三个层面，重定义数据基础设施。这次发布，并不是从无到有的宣布重大技术产品，而是多种现有方案的一个整合方案，意在突出华为数据智能服务能力，与华为整体愿景有契合度。

这次发布会，凸显了华为对于数据智能，对于数据智能产品领域的重视，以及华为在当下的状态，置身于发布会现场，能感觉到现场的氛围不同于以往的许多类似活动。

首先，从华为Cloud & AI产品与服务总裁侯金龙的一番谈话中能感受到，多年来华为积累的技术能力，正在涌现为创新与颠覆的力量，全新的智能数据解决方案FusionData所强调的重新定义和重新塑造与以往的含义更深，有意跳出现有的计算架构，重新构建大数据时代的架构，在成本、效率、管理和使用上都带来变化。

另外，有感于在这次发布会现场见到了华为多位高层，笔者看到，就连从没参与过产品发布的华为EBG中国区总裁蔡英华也首次参与了这次大会，有熟悉华为的资深媒体人士认为，这一现象可见华为的内部协同做的更好了。不久前，有媒体在采访任正非时闻到如何看待华为现在的状态，任正非则表示，面对一些外部的挑战压力，华为的状态更好了。

此次发布的新解决方案，华为渲染了数据库的概念，智能数据解决方案FusionData是构建数据湖能力的重要基础，华为对于数据湖的理解，是在未来，让一家企业有一个数据湖，一座城市有一个数据湖，以此满足居民的生产与生活、企业的运营和发展、城市政府的管理和服务等各项需求。

重构数据基础设施可破解三大数据应用难题

华为IT产品线副总裁、智能数据与存储领域总裁周跃峰将大数据时代，数据应用面临的问题总结为三大难题：数据接入难，融合分析难和消费难，三大难题难在哪儿呢？

首先，数据接入端需要接入非常多的接入点，一家大型企业可能需要上万个接入点，而且数据接口协议不同意，经常需要做协议转化，拉长了数据的接入周期。

融合分析方面，现有的系统非常复杂，包括分享预防、产品定价、智慧物流等系统各自有相对独立的垂直架构，烟囱式建设的系统间，进行融合分析时，数据分析链路长，多系统集成难度非常大，导致开发周期长。

最后在数据使用阶段，当数据量非常大的时候，在茫茫多的数据中找目标数据无异于大海捞针，当从130多万张表中找寻目标数据，大概需要三十天的时间，找到数据后，还需要把数据加工成业务可用的数据，耗时也非常久。

华为提出应该用新的架构来重构数据的基础设施，周跃峰将这一架构概括为五层：

底层是计算能力，用多样计算能力匹配多样的数据，多样的计算能力指的是x86，ARM，GPU，NPU这样不同架构。

数据接入层，要引入多样性的数据连接，加速数据流动，让数据与应用连接的更高效。

数据存储层，从单一类型存储变为多样性的融合存储，打造融合处理数据，以此提升效率。

数据处理层，要变单一处理为智能融合处理，同时对多种数据进行综合分析，数据分析考虑不同数据的相关性。

最后是数据使能层，在功能定位上类似于现在比较火的数据中台的概念，联通数据处理与业务创新，供各行各业的应用开发合作伙伴使用。

华为的产品线比较齐全，使得他可以从五个层次入手，解决三大数据难题。

智能数据解决方案FusionData三大部件

智能数据解决方案FusionData将五层数据基础架构概括为三层，也可以叫做FusionData的三大部件：数据接入部件，数据处理部件和数据使能部件。

第一大部件:数据接入部件。

数据接入方面，颇有韩信点兵多多益善的意思。华为智能数据连接部件ROMA首先强调开放性，可接入多种框架，可接入一千一百多种应用与数据。管理方面，消息和API采用统一的方式进行管理，实现多云跨数据中心的数据调度管理，另外，还将采用智能多通道技术加快数据流动速，快速将数据汇聚起来。

第二大部件：数据处理部件。

数据处理的部分其实包含了计算，存储和分析三方面的能力，整合了华为IT技术部分比较核心的资产，可以说，FusionData是将华为多种数据Fusion（这里主要指的是FusionStorage和FusionInsight）能力深度Fusion(融合)在了一个方案里。

计算方面除了x86,GPU以外，华为自己在大力构建基于ARM的计算以及存储产品。存储系统方面，华为存储FusionStorage 8.0用一套存储系统同时多种存储场景，一套设备支持数据全生命周期场景，此外，对应还有最近发布的GaussDB数据库。分析方面主要就是华为的FusionInsight了。

首先，从存储的角度看。这套系统得益于分布式存储能将计算和存储分离的特性，从业务应用的维度打破了上文提到的烟囱式系统架构带来的问题，应用间彼此割裂，底层数据有孤岛，而现在底层数据有了统一的存储平台。

其次，从分析的角度看。由于分布式存储同时支持块、文件、对象、HDFS、数据库协议等多种协议的融合特性，将多种数据类型汇总到一个平台里，为融合分析提供了可能，缩短了数据分析链路，以及多系统集成的难度。最后，在这一基础上，通过融合分析引擎对数据进行统一调度，统一分析。

第三大部件：数据使能部件。

按理说，数据使能部件的能力是有了数据处理DAYU（大禹）部件之后水到渠成的事儿，其实不然，DAYU大禹为下层的数据处理和业务创新提供了很多便利条件，比如，用AI的能力感知和采集元数据，然后分级分类，然后纳管到数据视图里，以此来提升找数据的效率。另外，为了方便把数据用起来，面向外部还提供了统一的访问接口，简化了使用数据的操作。

最后，DAYU的中文名字会让人联想到大禹治水，按照周跃峰的说法是，大禹治水，能让数据洪流不再可怕，让数据变为滋养我们生命的营养。

结语

这次发布会上看到，华为在努力跳出一些框架，换言之就是有意跳出别人定义好的规则，长期以来，而这背后靠的是华为在技术研发上的大力投入。

在华为看来，自研技术是为了提升自身对于未来科技发展的理解力。在一些方案领域，在采用合作伙伴的技术方案的同时，自己也会研究一些方案，既增强了与伙伴的合作，又能提供多样化的解决方案。

在这次发布会上，招商银行的专家介绍了在技术架构上的创新，以及华为方案对于其业务上带来的价值，其中提到了华为不久前才发布的GaussDB数据库，原来，华为的高斯数据库早就应用在招商银行里了。

这件事儿能说明两个问题，一方面，这说明了华为与用户保持着很好的合作关系，另一方面，华为可能还有更多隐藏的已经在研究但是还没公开的技术，等到公开的时候，直接就是一个趋于成熟的方案了。

2019年5月31日，四只颜值与才华并存的V.FRIENDS成为了深圳海上世界的主角，随着广场上8米高巨型V.FRIENDS气模的揭幕，vivo“这里超快乐”儿童节主题活动正式启动。儿童节期间时值V.FRIENDS一周岁生日，众多小孩子和大朋友们来到位于深圳海上世界的vivo Lab概念店参与生日巡游和生日Party，与可爱的V.FRIENDS欢庆一周岁生日。

(vivo“这里超快乐”儿童节活动海报)

　　vivo Lab作为vivo全球首家品牌概念店于3月22日开业，旨在融入一线城市的国际化社区，为新生代消费者打造知识和体验相结合的沙龙文化。自开业以来，概念店人流量已达到10万人次，深受年轻人欢迎。为进一步拉近与年轻人的距离并传递快乐，vivo Lab在5月31日至6月2日儿童节期间以萌趣可爱的巨型V.FRIENDS气模、扭蛋机等装置将概念店外打造成主题乐园，现场更准备了多项趣味感十足的互动体验活动，与大小朋友一起欢度儿童节。

(vivo Lab概念店儿童节全新升级)

　　今年六一儿童节，适逢V.FRIENDS一周岁生日，为庆祝V.FRIENDS“出道”一周年，vivo Lab内梦幻的V.FRIENDS生日主题区提供了众多V.FRIENDS甜点以及周边伴手礼，店外每天还会举办四场V.FRIENDS生日巡游。巡游队伍中除了逗趣的超人气V.FRIENDS人偶，还有载歌载舞的演艺人员沿途派送定制V.FRIENDS头像气球，为现场每一位消费者带来更多欢乐。V粉们可以和心仪的V.FRIENDS人偶合影留念，还有机会收获V.FRIENDS儿童节周边主题礼物，现场更有巨型扭蛋机，可以来打卡完成任务扭出自己的彩蛋惊喜。

(V.FRIENDS生日主题区)

　　定位“全新自拍体验”的vivo S1和S1 Pro无疑是整场活动的“影像”担当。vivo此次特别设置S系列拍照体验区。活动当天，手拿vivo S系列参与拍照体验的消费者们络绎不绝。在巨型玩具的衬托下，他们纷纷化身“小朋友”在vivo欢乐世界中抢拍打卡。使用vivo S1 Pro业界旗舰级的3200万像素前置摄像头与V.FRIENDS自拍合影，不仅成像画质清晰、色彩真实，更有AI美颜和丰富的本地相册编辑功能帮你定制化美颜，打造即拍即美的光感自拍。同时AI抠图六一定制背景也已上线，广大V粉们可以在S系列手机定制自己的儿童节专属趣味背景图，找到童年小孩子般的快乐感觉。

(AI抠图儿童节专属背景)

　　vivo S系列后置拍照采用超广角AI三摄方案，使用超广角功能可以突破原有普通照片的局限，让消费者们以更大的拍照视野，捕获更多六一欢乐瞬间。不用躺在地上也能拍下巨型V.FRIENDS扭蛋机，轻轻松松和全场最大小V美美合影。

(用S系列参与vivo六一拍照体验)

　　vivo“这里超快乐”儿童节主题活动，旨在向消费者传递更多快乐。作为一个年轻时尚的科技品牌，vivo认为童心不应该受年龄所限制，希望与所有年轻的心一起成为快乐的制造者和传播者。vivo 未来也会在vivo Lab举办更多精彩活动，近期公布的vivo Play 教育项目就是其中之一。vivo Play是vivo面向线下消费者专门打造的一系列公益性免费课程。5月17日，vivo Play在vivo Lab开设了首个公开课程，面向6-10岁儿童推出编程教育。未来vivo Play项目也会推出拍照、音乐、编程等更多丰富多彩的体验式分享课程，在vivo Lab与V粉们继续分享点滴乐趣，拥抱美好生活。(转载自ITBear)

2019年5月上旬，巨杉数据库在DTCC（2019中国数据库技术大会）上隆重发布了旗下核心分布式数据库产品SequliaDB 3.2版本，并就当前业内需求趋势，数据库的创新理念和创新之处进行了一番介绍。

作为一款金融级分布式关系型数据库，巨杉数据库连续两年入选 Gartner 数据库报告，在超过50家大型商业银行的核心生产系统规模使用，其中单集群最大物理节点数达到135个，单集群最大存储容量达2.1  PB，集群管理最大记录数1318 亿条，在容灾安全性方面能做到RPO = 0 , RTO小于15秒。

分布式数据库是数据库领域的一大创新，与传统集中式数据库有很大差别。分布式数据库相对于集中式数据库有多重优势，在成本，可管理性以及对新型业务的支撑方面都有体现，比如在微服务架构方面就有很大优势。

分布式数据库能更好地支持微服务架构

容器技术，以及与容器技术紧密相关的DevOps、微服务等技术非常流行，被许多人认为是继虚拟化技术之后，IT基础设施领域的又一大创新，对于企业敏态业务发展至关重要，围绕容器技术需要企业IT架构作出调整，对于数据库的需求也有很大改变。

王涛提到，很多企业都在从基于传统数据库的烟囱式开发向微服务架构转型，微服务体系架构中，每个微服务都需要提供数据持久化能力，用户希望每个微服务所应对的数据量能够无限弹性扩张。

支撑微服务的话，是用集中式数据库还是分布式数据库呢？

王涛介绍说，如果使用传统集中式数据库，那么对于应用程序的改造相对比较小，对DBA运维人员的成本比较低，但由于数据紧耦合，既无法弹性扩张，又可能存在的单点故障的隐患。

另一种做法是每个微服务对应一个独立的小数据库，比如使用MySQL或PostgreSQL，这样能够解决集中式存储的问题，但因为每个微服务都使用独立的数据库，会使原本集中的数据分散到很多不同的设备中，会造成数据极度碎片化，数据在微服务之间无法共享，而且运维成本极其高昂。

碎片化带来什么难题呢？

王涛介绍说，一些互联网公司生产系统中维护着两三万套MySQL数据库，这样的架构下想要进行企业内部的数据整合视图是极为困难的事儿。数字化转型时代，数据是企业的核心资产，在大数据以及基于数据的人工智能技术在企业逐步落地和发展的过程中，这样的数据架构显然是有很大问题的。

巨杉数据库的分布式数据库能很好地解决这一问题。一方面，分布式数据库解决数据的弹性扩张的问题，使每个微服务可以不受底层数据存储限制进行扩容。另一方面，可以解决微服务应用架构中数据严重碎片化的问题。

巨杉分布式数据库如何解决这一问题的呢？

巨杉分布式数据库的做法是用统一的分布式数据库做底座，上层可以创建成百上千个数据库实例，同时，应用无需感知每个数据库实例底下对应的资源。

对单个应用来说，这样的数据库与传统标准数据库完全一致，但是又能做到弹性伸缩。管理方面，所有的物理设备从逻辑上进行统一管理，降低管理成本。数据共享方面，不同实例里的数据可以进行共享。

这样的分布式数据库既兼容了传统数据库技术，同时又是面向未来的。

在兼容传统数据库方面，作为金融级数据库，巨杉数据库有完整的ACID支持，事务和一致性保证，而且，巨杉数据库完整支持SQL语句，与传统数据库如MySQL/PostgreSQL的语法完全兼容，用户和管理员可以像以往一样用数据库，应用程序也无需做什么改动。

完整的ACID支持意味着能同时支持一致性和安全性，王涛强调“绝对不能为了上分布式牺牲数据的一致性和安全性”，他认为，新型面向联机交易的分布式数据库必须对传统ACID有完美的支持，与传统Oracle DB2的数据安全性一致性保持兼容。

在面向未来的新特性方面，巨杉数据库有三点创新：

第一个是分布式与扩展性，这其实是分布式数据库的核心价值，它可以根据数据量的变化，实现存储层和计算层的弹性扩展，能在数据库的层面以服务资源池的形式提供数据库访问能力。

第二个在于多模式访问接口，其实主要就是因为如今的服务类型、应用需求等多样化，对数据库接口类型的要求也日益多样化，所以，分布式数据库要支持多类型数据管理和多种模式的访问接口。这点与分布式存储也非常类似，面对多样化的应用，存储也需要多元化的接口类型。

第三个方面其实考量共享架构的资源隔离问题，当一个数据库同时处理HTAP交易和分析混合处理业务时候，如何不影响联机交易业务的性能表现？巨杉分布式数据库的资源池内可对交易与分析业务进行物理资源隔离实现数据的物理隔离，性能方面互不干扰。

作为一款金融级的关系型数据库，巨杉数据库在数据安全和容灾方面也颇有造诣。巨杉数据库原生支持数据库内核级别的高可用以及跨数据中心灾备能力，目前已经实现异地容灾备份，可满足“三地五中心”的容灾支持。同时，巨杉数据库在异地容灾基础上，实现了数据异地多活，目前已经实现双中心同时读写，中心切换RPO为0和RTO达到秒级，提供了“超金融级”的数据安全保障。

分布式数据库的演进

分布式的概念已有很多年，分布式存储，分布式数据库都是如此，分布式数据库在历经多年的发展当中不断迭代，分布式数据库技术发展体系可分为三类：垂直分库、分库分表和原生分布式数据库。

王涛介绍说，最传统的是垂直分库，通过定义好的应用规则，按照规则找到数据库实例，然后再直接获取连接进行查询。这种方式的缺点在于，跨数据库的事务难以实现，需要非常多的定制化开发。

还有一种方式是分库分表。做法是在应用程序和数据库之间构建一个SQL解析服务，将SQL翻译成底层每个数据库所看得懂的子查询，把查询下发给底层的传统数据库。这种机制是从集中式架构到分布式架构的过渡状态，同时，由于对于应用无法做到完全透明，一般来说需要在应用拼装SQL的时候指定很多参数或比较独特的语法。

最后一种则是通常所说的原生分布式数据库，常见的有巨杉和蚂蚁金服的OceanBase分布式数据库。原生分布式数据库是底层完全从零开始研发，完全抛弃小型机体系，基于PC服务器硬件架构设计的分布式数据库，将高可用、容灾、分布式等机制天然融入到数据存储体系的方方面面。

以巨杉数据库为例，能够保证在与MySQL 100%兼容的前提下实现对应用完全透明的分布式能力。开发者不需要关注一个表存了几亿还是十几亿记录，只要在建表的时候配置好容量和横跨多少台物理设备，数据即可自动在库内进行均衡，从应用来看就像访问标准的表一样直接进行读写请求。

SequoiaDB v3.2版本在分布式存储层和数据库实例层均增加了许多新特性。底层的分布式存储层作为资源池，负责数据存储、分布式事务控制等，数据库实例层则提供对上层应用程序的SQL服务，用户可创建结构化实例，也可以创建非结构化实例，可应用在包括联机交易、数据中台以及内容管理三大场景下。

作为一款开源分布式数据库，在巨杉数据库的官网上已经提供了开放下载服务，感兴趣的朋友可以即可去下载安装体验。

5月10日，迪普科技2019年合作伙伴大会”在海南·三亚召开，这家做网络做安全的公司一改往日低调的行事风格，高调了一把。迪普是谁？迪普不如华为、新华三、联想等品牌有知名度，但是在安全领域，迪普还是有独到之处的。

最懂网络的安全厂商

 不久前，迪普科技在深交所挂牌上市，数据显示，自2016起，迪普科技的主营业务收入分别同比增长18.02%、15.77%和14.32%，保持了稳定的快速增长。

迪普成立于2008年，原始技术基因是做网络的，因为迪普的初创团队都来自当时的杭州华三通信，这些人在一起要做什么呢？要知道，全球网络市场里巨头林立，也断然容不下新的网络巨头了，迪普自开始就不是要成为什么网络巨头，迪普科技的做法是，从零开始在网络里加入安全的能力，将安全与网络深度紧密融合。如今，迪普在市场上的角色定位是原生安全网络的提供者。

谈到迪普的网络和安全的关系时候，主管技术研发的迪普总裁钱雪彪介绍说，迪普的产品理念是在网络交换机上插板卡来完成融合方案，即每个板卡是一个能力点，插防火墙板卡就构成了整机的防火墙，插IPS板卡就构成了整机IPS设备，以这种方式将网络与安全能力深度融合。

与网络巨头相比，迪普的安全能与网络融合的更深入，因为传统厂商的方案只是完成了硬件层次的融合，而网络和安全的系统却是独立的，迪普的两种能力融合的更深入。与安全厂商相比，迪普科技更懂网络，众所周知，网络是一门硬核技术，在迪普科技看来，不懂网络或者网络做的不好的安全厂商在做网络安全基础架构时是有短板的。

在笔者看来，这是迪普科技在网络加安全领域的独特优势，这一优势加上场景化的能力构成了迪普科技的生存之道，也造就了迪普的高价值策略。

高价值策略

从钱雪彪的介绍中了解到，安全领域，每个行业的场景定制化需求非常多，需要根据客户需求做个性化非常强的场景化解决方案。因为通用性通常意味着效率低下，许多行业用户的场景下都需要很多场景化定制服务，即使是电信运营商行业也有许多定制化的需求。

迪普的营收中很大一部分来自面向电信运营商的标准化产品，但随着不断地深入合作，运营商与迪普的合作中高价值产品也越来越多。比如迪普为运营商提供的流量清洗的软件，某运营商私有云的建设中提供的深度定制化的防火墙，都是高价值产品方案的例子。

所以，在产品的技术规划上，迪普坚持场景定制化方案的发展路线，迪普科技的产品架构中硬件非常重要，以此提供高性能表现、高价值的网络安全产品方案，在发挥现有的在硬件方面优势的同时，让软件产品总体统筹硬件产品，未来会向软的方向提升，比如基于云 、人工智能、云的威胁情报的联动为客户提供定制化产品。

在面对用户的时候，定制化往往意味着独特价值，也就是高价值。在迪普科技的这场合作伙伴大会上，高价值这一关键词被反复提及。钱雪彪介绍说，用户在面对安全产品的时候，最看重的是场景化的能力，产品能力还有服务水平。

迪普是做安全的，随着国家对安全的重视，许多行业许多场景下暴露的安全问题很快都将促成更大的安全市场，迪普的安全方面的定制化能力能很快切入这一市场，切入市场后面对新的问题也能随机应变，推出定制的解决方案，这些非常考验公司对于市场的理解力和执行力。

定制化，随需而变的安全服务能力

迪普目前大约有1100名员工，其中有大约50%是研发人员，迪普每年将25%的销售收入投入研发，具备强大的研发实力，这是迪普定制化场景化战略付诸实践的必要条件。

中国的视频监控产值规模达千亿量级，在公安视频专网的场景上，迪普的场景化能力得以体现。据钱雪彪说，一直以来，公安视频监控专网的安全建设几乎是空白的。对此，迪普科技创新性的提出了基于“白名单“的视频专网安全解决方案，随着“平安城市”、“雪亮工程”的推进，成功为200余公安客户输出解决方案及信息化建设。

在推广视频专网安全解决方案的同时，迪普科技在公安行业信息网建设中又发现了新的问题，迪普看到，当前公安各个业务部门的信息网是相互割裂的，极大阻碍了各部门的业务协同与数据共享。公安行业在未来五年的信息化建设规划中，致力于改变目前各个业务条块网络割裂的现状，建设一张全网业务打通的新一代信息网，为将来的各类数据应用提供高速、安全的基础架构。

针对该需求，迪普科技高性能平台提供的安全防护与应用交付解决方案，精准匹配新一代公安信息网的技术需求并成功应用。

最近，《信息安全技术 网络安全等级保护基本要求》（业内人士称之为“等保2.0”）发布，等保2.0是无边界的安全防御体系，迪普科技的解决方案与等保2.0是比较匹配且有一定的原创性的。

可以看到，迪普科技面对行业市场以及政策变化，正在以定制化、场景化的能力将交付安全服务。

结语

迪普能做的有很多，但因为做的是关系重大的网络和安全，保持谦虚谨慎是必要法则，踏踏实实稳扎稳打的搞产品研发是立足于市场的根本，言语间能感受到迪普科技还是比较接地气和务实的。

钱雪彪在谈到市场竞争与生存定位时也坦承，在一些领域中与一些领先厂商存在差距，而且也说，说如果业内的一些知名大厂也来做一些迪普在做的产品的话，做出来的东西也可能会做的更好。迪普能做的就是专注和聚焦在安全方面，放大在安全领域的优势。

当把所有关于定位，关于产品，关于市场的等等问题都想好了之后，上市让迪普进入了发展新阶段。在大会上，迪普科技董事长郑树生将2019年称作迪普科技在价值行业大力拓展的元年。迪普科技将集中资源，在公安政法、医疗和金融等高价值行业持续发力，希望通过持续耕耘，在高端安全市场占据高位。

2019年5月13日:兆易创新GigaDevice宣布推出全新一代高速4通道及兼容xSPI规格的8通道SPI NOR Flash —— GD25LT256E和GD25LX256E。GD25LT产品系列，是业内首款高速四口NOR Flash解决方案，保持了与现有产品的高度兼容；GD25LX产品系列，是业内最高性能的NOR Flash解决方案，可显著提高数据吞吐率，是主要面向车载、人工智能和物联网等需要将大容量代码快速读取、保证系统上电后及时响应的应用。

大容量高性能NOR Flash可以用来存储系统代码以及应用数据，具备随机存储、可靠性强、读取速度快、可执行代码等特性，在自动驾驶、5G以及人工智能等各大新势能应用的驱动与接口技术不断升级换代的助力下，NOR Flash被认为是物联网设备代码存储应用的首选。

车载应用要求在最短时间内完成仪表盘及屏幕画面信息的加载；AI应用需要提高系统反应速度，在短时间内及时调用存储的算法进行运算，并保证零失效；IoT应用则需要进行Execute-In-Place (XIP)，在最短时间内完成指定代码数据的读取，这些都需要高可靠性和高数据吞吐率来支持。而现有SPI接口局限于I/O数量及时钟频率，在读取性能上已经成为系统性能提升的瓶颈。

GD25LX256E是第一颗国产高速8通道SPI NOR Flash产品，最高时钟频率达到200MHz，数据吞吐率高达400MB/s，是现有产品的5倍以上，其8通道SPI协议、封装规格完全符合最新的JEDEC JESD251标准规范。内置ECC算法与CRC校验功能，在提高可靠性的同时延长产品使用寿命，DQS和DLP功能为高速系统设计提供了保障。GD25LX256E将广泛应用于对高性能有严格要求的车载，AI及IoT等应用领域。

GD25LT256E是业内首款高性能4通道 SPI NOR Flash产品，将数据读取频率提升到200MHz，数据吞吐率高达200MB/s，并在最大限度上兼容了现有SPI接口的规格与操作方式。用户不需要等候与新一代8通道SPI匹配的SoC接口及固件，便可在最短时间内及时完成Flash的升级换代，大幅度改善系统性能。

产品特性

GD25LT256E

1.8V 256M-bit
四通道DTR SPI接口，兼容单通道、四通道SPI指令集
业界最高性能的4通道产品，数据吞吐率高达200MB/s
支持XIP (Execute-In-Place)
支持DQS和DLP功能，有助于高速系统优化设计
支持ECC和CRC功能，提高产品可靠性和高速I/O信号准确性
支持标准的TFBGA24，SOP16封装

GD25LX256E

1.8V 256M-bit
八通道DTR SPI接口，兼容单通道、八通道SPI指令集
完全兼容 JEDEC xSPI（JESD251）标准
极高的读取性能，数据吞吐率高达400MB/s
支持XIP(Execute-In-Place)
支持DQS和DLP功能，有助于高速系统优化设计
支持ECC和CRC功能，提高产品可靠性和高速I/O信号完整性
支持标准的TFBGA24，SOP16封装

 

在前段时间的ＡＷＥ展会上，海信带来了两款高端ＵＬＥＤ电视Ｕ８Ｅ以及Ｕ７Ｅ。而我们ＰＣｏｎｌｉｎｅ评测室就有幸拿到了这两款电视，今天给大家带来的是海信Ｕ８Ｅ电视的评测。海信Ｕ８Ｅ搭载了海信首款也是国产电视首款自主研发的画质芯片，同时还内置了海信Ｕ＋超画质引擎，是一款兼具实力以及高颜值的电视产品。具体表现如何，评测中告诉你。

外观赏析

海信Ｕ８Ｅ的外观非常简约，金色悬浮底座支撑起扁平的长条扬声器和一块矩形黑屏。简约的黑金搭配散发出了低调奢华的高档气息。从电视机正面看，根本看不到屏幕边框的存在，非常极致的全面屏设计。整机没有任何花哨的设计，高档、简约，百搭各种风格家装，非常适合放在客厅作门面装饰。

打开电视之后，全面屏的视觉震撼再次冲击了我的感官。海信Ｕ８Ｅ并没有使用大黑边营造“息屏全面屏”，而是真正做到了极窄边框的真全面屏。

底部扬声器左侧印有“ＵＬＥＤ　Ｈｉ－Ｖｉｅｗ　ＰＲＯ”，说明了海信Ｕ８Ｅ使用了ＵＬＥＤ屏幕面板以及内置了专业的画质芯片。不仅如此，这行字样实则暗藏玄机，将其往右推开，里面还藏了一个ＵＳＢ数据口。非常贴心的设计，对于经常使用移动硬盘播放４Ｋ视频的用户，再也不用在电视机后背盲插ＵＳＢ了。

屏幕的下巴处是扁平的长方形前置扬声器。密密麻麻的出音网孔设计，是声音稳定流畅的基石。与传统电视扬声器不同的是，海信Ｕ８Ｅ的前置扬声器分为了上下两段的阶梯音响结构设计。这样的设计能在不改变电视形态的前提下，实现更为立体的声音表现。在阶梯音响的中间“Ｃ位”，海信打上了自己的的Ｌｏｇｏ——“Ｈｉｓｅｎｓｅ”。

金色悬浮底座设计，勾线脚式隐藏走线设计，非常美观。人字站脚形的设计能稳定的支撑整个电视机。电泳着色工艺，更精致细致。

海信Ｕ８Ｅ的背部插口在电视机的右侧位置，一个网线插口，一个ＵＳＢ３．０数据口，三个ＨＤＭＩ接口，音视频输入和音频输出等接口，满足了传统电视以及智能电视所有的接口需求。在接口的下方印有海信Ｕ８Ｅ的一些参数信息，很高兴的看到支持杜比环绕音效以及ｄｔｓ－ＨＤ。

又是一个非常贴心的设计，海信Ｕ８Ｅ背部的插口区域还附赠了一块盖板，防尘、方便收纳。盖板下方有一个小缺口设计，方便统一走线。纵观整机，竟然没有看到一个螺钉，使用的是海信独创１．５ｍｍ钢塑板点胶工艺，非常牢固，富有极简轻薄设计美学。

据悉，海信Ｕ８Ｅ的屏幕投入了１０００万重金研发，打造了业界唯一的悬浮屏夹层玻璃工艺，就是我们熟知的康宁光学玻璃。通俗点说，就是使用镜头装配标准造电视，这对于电视屏幕的透光率是有极大的帮助的。

画质

信芯画质芯片

画质芯片和我们经常说的ＣＰＵ、处理器是两种东西，而很多厂商喜欢把他们混为一谈忽悠用户。ＣＰＵ处理器主要负责智能电视的系统运行，而画质芯片的功能则是担当优化画面、提升画质的重责。

目前在电视领域，只有索尼、三星和海信拥有电视画质芯片的生产能力。海信自从收购东芝ＴＶＳ后，人才储备和技术力量大大提升。再加上海信在电视领域耕耘了５０年的技术沉淀，是大数据时代ＡＩ智能画质的基石。

不仅如此，海信Ｕ８Ｅ这款定位于中高端的智能电视，一如既往地使用了在市场上反响较为不错的ＵＬＥＤ屏幕。不过画面的实际效果还是需要主观体验，并不是配置参数可以替代的，下面我们就实测下海信Ｕ８Ｅ的画质到底如何。

ＵＬＥＤ分区控光技术

我们知道，传统ＬＥＤ屏幕的缺点就是在黑色画面难以抑制的漏光。这是一段城市夜景的视频，首先是画面的黑夜部分，黑的非常彻底与纯粹，。而画面中的字体显示非常清晰，没有散在的光晕。海信Ｕ８Ｅ搭载的分区控光技术可见一斑。

画面对比度

这段画面的呈现难度比上一段要高很多，因为ＵＬＥＤ分区控光虽然可以开关一部分的像素区域的光，但是无法做到像ＯＬＥＤ那样控制每个像素点的开闭，所以对于这种密密麻麻的“点光”，很容易出现光晕和漏光。没想到海信Ｕ８Ｅ的背光分区做的如此细致，几乎没有任何散在的光晕，黑色部分表现依然非常纯净的黑，使得画面的对比度相当有层次感。

色彩表现

我们再来看这段视频，五颜六色，而且同一色系的物体还有深浅之分，这对于画质芯片的处理要求很高。我们看到，海信Ｕ８Ｅ表现依然出色，每一种颜色都能很好地呈现出来，同一色系也是深浅有致，画面对比鲜明。

我一直觉得色彩的表现是一款电视画质最重要的部分，但是很多电视对于色彩的表现都给人一种用力过度的感觉，饱和度过高，让人看得很累。这张图可以看出海信Ｕ８Ｅ的色彩表现是非常自然的，非常接近真实环境的色彩表现，赏心悦目。

ＡＩ场景监测

海信Ｕ８Ｅ的画质芯片支持场景监测，智能优化主题。在这段火车快速移动的画面中，我们可以看到周围环境的快速虚化模糊，而火车的清晰度依然非常高。

在足球比赛中，我们也可以看到，摄像镜头伴随着球员在快速移动。在这样的快速场景下，主角（足球）依然是非常清晰地出现，说明海信Ｕ８Ｅ识别出了运动场景，并对足球显示作了优化处理。

总结

海信Ｕ８Ｅ时尚、高端的外观，百搭各种居家风格。自主研发的画质芯片搭配ＵＬＥＤ屏幕，在ＡＩ画质的帮助下，针对不同场景画面进行不同的优化，更广泛的色域，更高的对比度，更细腻的画面表现。海信Ｕ８Ｅ有画质、有颜值、还有非常智能的交互体验，是一款非常值得入手的中高端智能电视。

来源：第一产经网