存儲廠商N(yùn)GD Systems公司副總裁Scott Shadley在一次專題訪談中，探討了SNIA計(jì)算存儲（CS）工作組自成立以來的技術(shù)進(jìn)步。Scott Shadley除了擔(dān)任NGD Systems副總裁的職位外，Scott還是存儲網(wǎng)絡(luò)行業(yè)協(xié)會（SNIA）的董事會成員。

標(biāo)準(zhǔn)組織推出的新技術(shù)獲得“官方定義”并不多見。但要獲得這樣的“定義”，這項(xiàng)技術(shù)需要相當(dāng)大的突破。因此，希望正式引入計(jì)算存儲（CS）——這是一種淘汰傳統(tǒng)計(jì)算機(jī)存儲技術(shù)的存儲架構(gòu)，以提供一種更快、更經(jīng)濟(jì)、更省電的方式來存儲和分析PB字節(jié)的數(shù)據(jù)。

企業(yè)存儲的發(fā)展

簡而言之，計(jì)算存儲是一種IT架構(gòu)，其中數(shù)據(jù)在存儲設(shè)備級別進(jìn)行處理，以減少必須在存儲和計(jì)算平臺之間移動的數(shù)據(jù)量。因此，該技術(shù)提供了一種更快、更高效的方法來應(yīng)對數(shù)據(jù)密集型世界的獨(dú)特挑戰(zhàn)，通過減少數(shù)據(jù)移動和允許對分析的響應(yīng)速度高達(dá)20到40倍來滿足減少的多余帶寬，并提供非常低的延遲響應(yīng)時(shí)間。

如果考慮一下企業(yè)存儲的發(fā)展歷史，計(jì)算存儲的發(fā)展速度是適當(dāng)?shù)?。得益于NVMe和NVMe Over Fabrics輔助的新閃存技術(shù)，該技術(shù)的發(fā)展越來越快。當(dāng)今的數(shù)據(jù)中心（包括超大規(guī)模數(shù)據(jù)中心）主要依賴于使用馮·諾依曼體系結(jié)構(gòu)的基本方法構(gòu)建的傳統(tǒng)服務(wù)器硬件，馮·諾依曼體系結(jié)構(gòu)適用于幾乎所有通用服務(wù)器，是具有70年歷史的計(jì)算機(jī)體系結(jié)構(gòu)，坦率地說，這種體系結(jié)構(gòu)多年來從未經(jīng)歷過太多的變化。

而一些新方法并沒有取得太大的成功?，F(xiàn)在有了諸如人工智能和機(jī)器學(xué)習(xí)之類的應(yīng)用程序，這些應(yīng)用程序需要大量的原始數(shù)據(jù)（結(jié)構(gòu)化和非結(jié)構(gòu)化），這些數(shù)據(jù)需要高計(jì)算能力來“學(xué)習(xí)”，因此計(jì)算能力已成為瓶頸。在傳統(tǒng)的橫向擴(kuò)展模型中，此問題通過添加節(jié)點(diǎn)來解決，從而獲得更多的分布式計(jì)算能力和更多的內(nèi)存。不幸的是，從投資成本和運(yùn)營成本角度來看，添加服務(wù)器節(jié)點(diǎn)的成本很高。添加更多節(jié)點(diǎn)還增加了互連的長度，從而增加了數(shù)據(jù)移動和分析所需的時(shí)間。

計(jì)算存儲這種技術(shù)可以將傳感器（例如自動駕駛汽車、視頻監(jiān)控?cái)z像頭、交通信號燈）中的原始信息巧妙地組織為有意義的數(shù)據(jù)，因?yàn)槿狈σ苿有钥梢源龠M(jìn)實(shí)時(shí)數(shù)據(jù)分析，從而通過減少輸入來提高性能/輸出瓶頸。隨著人工智能、機(jī)器學(xué)習(xí)、物聯(lián)網(wǎng)工作負(fù)載涌現(xiàn)出驚人的數(shù)據(jù)量（IDC公司的研究表明，到2025年，數(shù)據(jù)總量將超過163 ZB，其中95%是由物聯(lián)網(wǎng)設(shè)備生成的），這項(xiàng)新技術(shù)是真正缺失的環(huán)節(jié)。

調(diào)研機(jī)構(gòu)Dimensional Research公司最近對300多位計(jì)算機(jī)存儲專業(yè)人員進(jìn)行的一項(xiàng)調(diào)查揭示了這一挑戰(zhàn)，表明存儲瓶頸可能發(fā)生在10 TB以下。這樣，計(jì)算存儲可以提供更強(qiáng)大的處理能力來輔助每個(gè)主機(jī)CPU，從而使組織可以提取其可以生成的所有數(shù)據(jù)，并僅提供真正需要的數(shù)據(jù)，從而使“管道”盡可能保持開放。這樣一來，就可以收集更多分析所需的原始數(shù)據(jù)，并為組織提供僅從該數(shù)據(jù)中提取實(shí)現(xiàn)價(jià)值所需的自由。在比較中，當(dāng)組織必須處理整個(gè)數(shù)據(jù)集時(shí)，就會延誤增值。這種方法可最大程度地提高效率，減少功耗，并降低運(yùn)營成本。這種“分類、轉(zhuǎn)換、發(fā)送”方法使快速、全面和有意義的實(shí)時(shí)數(shù)據(jù)應(yīng)用成為可能。

計(jì)算存儲的官方定義只花了一年時(shí)間就制定出來了，這是一個(gè)相當(dāng)迅速的過程，證明了對這種截然不同的計(jì)算機(jī)存儲技術(shù)的迫切需求。一年多前，存儲網(wǎng)絡(luò)行業(yè)協(xié)會（SNIA）召開會議，研究如何圍繞計(jì)算存儲技術(shù)定義和制定標(biāo)準(zhǔn)。SNIA是一個(gè)非盈利組織，由198家信息技術(shù)領(lǐng)域的成員公司組成。經(jīng)過幾個(gè)月的會議和一些辯論，他們現(xiàn)在已經(jīng)制定了官方定義：

?“計(jì)算存儲體系結(jié)構(gòu)可通過集成計(jì)算資源（直接與存儲、存儲附近或主機(jī)與存儲之間）集成來提高應(yīng)用程序性能和/或基礎(chǔ)設(shè)施效率。這些計(jì)算資源不在傳統(tǒng)的計(jì)算和內(nèi)存體系結(jié)構(gòu)之外。

?這些體系結(jié)構(gòu)的目標(biāo)是：啟用并行計(jì)算;減少I/O流量;減輕對現(xiàn)有計(jì)算、內(nèi)存、存儲和I/O的其他限制。”

受益于計(jì)算存儲的行業(yè)

當(dāng)將計(jì)算存儲應(yīng)用于多個(gè)用例時(shí)，將變得更易于理解。要求計(jì)算存儲技術(shù)強(qiáng)大和高效的行業(yè)示例是新型“智能”汽車和即將推出的全自動駕駛汽車，這些汽車必須處理數(shù)據(jù)負(fù)載（每天高達(dá)28TB）以進(jìn)行分析，否則可能會影響駕駛員的安全性。一些設(shè)計(jì)計(jì)算存儲架構(gòu)的公司已經(jīng)能夠提供利用小型化技術(shù)的技術(shù)，該技術(shù)可以與SSD硬盤一起使用來處理數(shù)據(jù)負(fù)載。這在空間受限的邊緣相關(guān)（例如汽車）中效果很好。但是，盡管外形尺寸很大，計(jì)算存儲解決方案仍可以將功能提高20倍甚至更多，并且使支持人工智能的系統(tǒng)能夠以前所未有的方式讀取和分析數(shù)據(jù)。

在數(shù)以千計(jì)的物理服務(wù)器和數(shù)百萬個(gè)虛擬機(jī)上運(yùn)行的超大規(guī)模數(shù)據(jù)中心（例如AWS的數(shù)據(jù)中心基礎(chǔ)設(shè)施）必須并行執(zhí)行各種工作負(fù)載。這些超大規(guī)模數(shù)據(jù)中心開始使用計(jì)算存儲驅(qū)動器（CSD）來處理PB級的數(shù)據(jù)，同時(shí)也帶來了體積小、功耗低但仍具有巨大計(jì)算能力的更小尺寸的優(yōu)點(diǎn)。這樣，體積小巧但功能強(qiáng)大的計(jì)算存儲驅(qū)動器（CSD）可以幫助提高超大規(guī)模架構(gòu)的計(jì)算能力，這些超大規(guī)模架構(gòu)將機(jī)器用于人工智能（AI）和機(jī)器學(xué)習(xí)（ML）應(yīng)用程序，而這些應(yīng)用程序通常需要諸如實(shí)時(shí)、復(fù)雜和并行索引的操作和模式匹配。

例如，出于欺詐檢測目的而需要實(shí)時(shí)分析大量數(shù)據(jù)以獲取銷售點(diǎn)數(shù)據(jù)的零售企業(yè)，也可能會受益于計(jì)算存儲更快的響應(yīng)時(shí)間。Storage Switzerland公司發(fā)布的調(diào)查報(bào)告指出，“這些應(yīng)用程序必須在執(zhí)行分析請求之前掃描大量數(shù)據(jù)，以識別與查詢相關(guān)的信息子集。將大量數(shù)據(jù)移出存儲系統(tǒng)，跨網(wǎng)絡(luò)并移入主機(jī)內(nèi)存會導(dǎo)致時(shí)間和延遲損失，這是實(shí)時(shí)分析應(yīng)用程序無法承受的。”

內(nèi)容交付網(wǎng)絡(luò)（CDN）是利用計(jì)算存儲技術(shù)的另一個(gè)市場。在這里，該技術(shù)可以幫助進(jìn)行加密/數(shù)字版權(quán)管理（用于驗(yàn)證用戶可以訪問內(nèi)容）。在這種情況下，計(jì)算存儲通過安全地解鎖內(nèi)容而不共享密鑰來提供更好的數(shù)據(jù)管理。這種將每個(gè)服務(wù)器機(jī)架的密鑰匹配提高40倍的能力僅僅是這項(xiàng)工作的開始。

總結(jié)

事實(shí)上，在當(dāng)今數(shù)據(jù)密集的世界中，更少的數(shù)據(jù)移動是至關(guān)重要的。數(shù)據(jù)移動的成本不僅僅是時(shí)間，還有資源，有時(shí)還會浪費(fèi)分析資源?，F(xiàn)在是采取下一步存儲和實(shí)施NVMe計(jì)算存儲驅(qū)動器的時(shí)候了。按照數(shù)據(jù)的步驟進(jìn)行操作，注意在硬盤驅(qū)動器內(nèi)部做了多少工作將節(jié)省數(shù)據(jù)移動時(shí)間，這將提高效率，并減少主機(jī)CPU和內(nèi)存負(fù)載的采用。

責(zé)任編輯：ct