目前关于存储行业的一切都陷入了混乱。以往的规则显然已经日薄西山,而新兴机制仍然充满不确定性。转型、厂商、产品以及技术,这一切因素都在存储领域被蒙上了一层迷雾——我们到底该如何将它们整合在一起?
经过四天的硅谷创业会议之后,如今人们心中的困惑可谓不减反增。正如BBC商业投资真人秀节目《龙穴》所表现的那样,每一位新玩家都焕发出超越其前辈的生命力与吸引力,但在经过一段时间的演进之后,我们发现其总会被其它新一代参与者所压倒。
现在我们是时候后退一步重归基础,以拨乱反正的方式以更为单纯的视角看待问题了。
因此,曾几何时,在数据中心尚未出现的年代,SAN以及文件存储等外部现场存储阵列仍然普遍存在,而存储于其中的内容则通过各类备份软件供应商的产品被备份至其它外部阵列当中。
外部存储阵列绝对算得上是庞然大物,其通常表现为双控制器主流SAN或者向外扩展文件存储设备。那时候公有云还仅仅是个遥不可及的概念,而各初创企业则致力于打造出更出色的SAN或者文件存储解决方案。
如今情况已经完全不同,不过我们仍然可以将各厂商归档为以下三大基本类别。
新型存储定位分布图
首先,我们可以看到公有云存储方案,其中包括Amazon、Azure、谷歌、Rackspace以及其它一些在云环境下实现的文件、SAN或者对象存储机制,它们立足于由服务供应商持有的数据中心。相当一部分外部数据中心阵列所保存的数据也会被迁移到这里。
接下来还有两大主要内部存储方案,其一为非SAN SAN,即通过将服务器直连存储汇总成逻辑SAN资源池的虚拟SAN。其中的代表性方案包括VMware VSAN以及HCIA(即超融合型基础设施设备)。其同时拥有内部与向外扩展两大特性。
而第二类内部存储方案则包含出色的传统外部存储阵列,但目前它们已经经过了重新发明,即采用全闪存与混合闪存/磁盘设计的SAN与文件存储方案。
各大传统主流厂商(包括戴尔、EMC、HDS、惠普、IBM、NetApp以及Sun)已经开始着手进行技术收购(收购对象包括3PAR、Compellent、EqualLogic以及Isilon等)。但在SAN与文件存储基础之上,外部、共享、现场存储阵列还衍生出了其它一些新型技术方案:
· 对象存储
· 大数据存储
· 基于软件的存储阵列
· 高性能计算型存储
目前全闪存阵列(包括Kaminario、Pure Storage、Solidfire以及Violin Memory)以及混合型阵列(包括Nimble Storage、Tegile以及Tintri)领域都出现了一大批初创企业,而且各混合型阵列厂商也已经开始向全闪存阵列业务转移。
这些共享式现场外部存储阵列通常被称为私有云,而且我们能够利用市面上的一系列方案以混合云的形式将其与公有云共同进行管理、访问与整合。
另外,我们还能够将这些阵列中的存储内容备份至其它内部数据保护存储设备当中,当然公有云目前也已经成为承载备份数据的一大重要平台。
如此说来,我们是否又会回到市场上仅存在七到八家主流内存阵列供应商的黄金时代?我个人认为可能性不大。
为什么给出这样的观点?因为传统主流供应商的营收正在不断缩水,而各初创企业则相继进入首轮公开募股阶段并迎来可观的发展速度。
存储供应商分层梯队
我的个人观点是,一批新的、规模更大且运营状态更稳定的一线供应商正在崛起。这个第一梯队将由十三家企业级内部存储供应商构成,且其中分为两个子集。
子集一为传统主流厂商,而且他们已经无力彻底压制初创企业的发展脚步。子集二则为新兴厂商,但他们仍没有强大到将存储前辈彻底赶出市场,同时也无法真正发展到主流规模。
其中一部分主流厂商有可能在发展过程中进一步被弱化,并因此坠入存储供应商的第二梯队,即由那些未能或者永远不可能进入第一梯队的初创及已上市供应商所构成的区间。Actifio与Delphix应该从属于第二梯队。
那么一家供应商需要怎样的特质才有资格进入第一梯队?我们认为其年业务营收至少要达到10亿美元,或者能够通过确切的发展前景在未来实现这项目标(这项目标其实相当难以实现,而且需要强大的销售渠道作为配合)。
另外还有一部分在内部存储领域抱有野心的新一代初创企业,Cohesity与Rubrik正是其中的典型代表。
当然,本篇文章并不会提供一份详尽的供应商名单。我们给出的只是一组示例,所以如果大家对其中的某些厂商及其定位不太认同,也请抱有求同存异的心态看待。
就目前来看,服务器将会把持久性存储机制——例如3D XPoint——作为自身固有组成部分,外部全闪存阵列则以NVMe形式提供PCIe级别的速度表现,而如果更进一步,那么计算与存储资源将迎来解耦。
这就是我针对当前一级与二级存储阵列行业的发展前景做出的预测。当然,如果大家觉得我这完全是一派胡言,也请在评论栏中分享您的真知灼见~
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。