巨人的前瞻：独家专访IBM磁盘存储CTO

GPFS整合Hadoop，IBM的大数据分析野心

ZDNet：目前谈到云存储和大数据，关注的焦点有对象（目标）存储设备和Hadoop（包括HDFS文件系统）两个方面：

关于对象存储，目前有EMC Atmos、NetApp收购的Bycast、HDS HCP（Hitachi Content Platform），可以用于云存储服务商的后端；另外Dell也推出DX针对医疗等行业归档应用。IBM在这方面有什么产品或者计划吗？

开源是Hadoop的一大优势，比如EMC收购的Greenplum就在与Hadoop结合，NetApp也在研究相关方案。IBM对Hadoop持何种态度？Netezza可能会和Hadoop产生某种联系吗？

Vincent Hsu：我们现在正在做对象存储的研发，以后你会看到在我们的SONAS平台上会有对象存储的这种技术出来。

ZDNet：也就是说在现有SONAS基础上增加元数据服务器这种类似的形式？

Vincent Hsu：对，没错。SONAS将来会和IBM其它的存储设备做进一步的整合。

Hadoop是一个大的趋势，非常适合做大数据分析的。IBM有一个很有亮点的技术叫做GPFS（通用并行文件系统），我们正在做GPFS和Hadoop的整合，将来你会看到IBM有针对Hadoop优化环境的（存储/设备）来运行相应的工作负载。

今年的SNW2011大会上，在SNIA（全球网络存储工业协会）的一个演讲中，我们看到IBM GPFS可以替代HDFS作为Hadoop架构的底层文件系统/数据存储。而在上面的应用开发层，商业方案/接口（Commercial Project / Interface，相对于Hadoop开源方案而言）中第一个列出的就是IBM Bigsheets（大数据表）。

ZDNet：我记得用Hadoop自己的HDFS文件系统，存储成本应该比较低。那我们如果用GPFS，成本上是否会不占优势？

Vincent Hsu：Hadoop本身并没有特别的技术让（存储）成本降低。它主要是能够做DAS直连存储，（位于各个节点上的）硬盘是分布式的，所以数据会拷贝3-4份进行保护。Hadoop不需要高端的产品，不用共享存储，而是用分布式存储。所以它的成本相比共享存储（比如DS8000）要低。

我认为不会因为GPFS的关系而让（Hadoop）价格变高。现在市面上我们看到GPFS的可扩展性上还是最好的。把二者的优点结合起来，在基础上还是用直连的方式。

GPFS和SONAS在有些观念上是不一样的，SONAS虽然也是Scale-out，但它所有的存储还是以共享式的存储为主；而Hadoop（也包括HDFS）本身是分开的。我们现在让GPFS也能处理这些分散的、分布式的数据存储，与SONAS使用同样的技术，但支持的工作负载和架构是完全不一样的。

IBM SONAS集群NAS系统组成结构示意图。它的接口节点（Interface Node）和存储节点（Storage Node）之间通过交换式的Infiniband数据网络来连接。因此对于多个接口节点来说，后端的存储节点（包括其连接的存储控制器和磁盘）就是共享式的，任何一个节点的故障都是可以实现容错的。

点评：GPFS与Hadoop的结合是一种分布式文件系统的形式，专门针对大数据分析的应用；而作为集群NAS产品的IBM SONAS则具备更多的适应性，主要面向高性能计算、海量媒体（音/视频）数据的存储。

Vincent Hsu：IBM在过去这5年收购了一些做分析工作负载的软件（包括Netezza？笔者注），现在我们正在做分析软件和Hadoop环境的结合。