时至今日,在存储领域,除了超融合、SSD等热门概念外,另外一大看点无疑就是软件定义存储了。有研究人员称,从2014年到2019年,软件定义存储市场将从14亿美元增长到62亿美元以上,年复合增长率将达35%。因此,软件定义存储的优势显而易见。
软件定义存储最早的概念应该是来源VMware提出的软件定义数据中心里。在软件定义数据中心的概念里,数据中心中的服务器、存储、网络以及安全等资源可以通过软件进行定义,并且能够自动分配这些资源。存储作为数据中心不可或缺的一部分,起着至关重要的作用。

软件定义存储可以理解为对现有操作系统和管理软件的一个结合,能够完整的实现对存储系统的部署、管理、监控、调整等多个要求,让存储系统更加灵活、自由。
软件定义存储,虚拟化是基础。提到虚拟化,给大家脑补一下。其实虚拟化是一个既熟悉又复杂的词汇,在很大一部分场所指的是利用物理机的资源为众多虚拟机提供相应的隔离资源。实际上虚拟化是指一个资源池,例如,一个集群的所有资源都可以调度,存储资源的虚拟化,往往倾向于一个集群机器的存储资源的整合利用。
存储虚拟化可以归为软件定义存储的类别,两者也各不相同。存储虚拟化只有在专门的硬盘设备上应用,很多设备都是经过定制才能够进行存储虚拟化。而软件定义存储没有设备限制,简单的可以理解为存储的管理程序。
在软件定义市场既包括EMC、NetApp、IBM、惠普在内的业界知名厂商,也有名不见经传的Nexenta、Tintri、Solidfire等,各个厂商纷纷有自己的软件定义存储战略和产品。

经过近几年的市场动荡,市场上也出现了数家有代表性的厂商。由于市场上的存储厂商在实现软件定义存储技术上各有差异,我们无法穷尽所有厂商的表现,挑选几家有代表性的企业,盘点一下他们的表现吧。
VMware
去年2月,VMware推出新一代企业存储解决方案,其软件定义存储战略向前迈了一大步。为支持软件定义存储的大规模应用,VMware VirtualSAN6将为VMware屡获殊荣的超融合存储解决方案带来可扩展性与性能的显著提升,而VMware vSphere Virtual Volumes将提供更高级别的整合存储,支持第三方能够感知虚拟机。
EMC
ViPR是EMC的代表作之一。 EMC ViPR 是存储虚拟化软件平台,它将物理阵列中的存储(无论是基于文件、块还是对象)抽象为虚拟共享存储资源池,从而跨物理阵列实现灵活的存储使用模型,并提供应用程序和创新型数据服务。ViPR 从底层硬件阵列抽象出存储控制路径,以便可以在软件中集中执行多供应商存储基础架构的访问和管理。
NetApp
NetApp在“软件定义存储”话题上拥有更多的发言权,因为对NetApp存储产品来说,软件才是其核心价值的充分体现,所有的存储功能基于Data ONTAP存储管理软件的独特集群算法而实现。
NetApp的软件定义存储分为上层的虚拟应用,中间集群模式DataONTAP提供的虚拟化存储服务以及位于底层的硬件和云资源。而具体的底层的存储资源可以是NetApp的FAS和FlexPod。集群模式DataONTAP将NetApp的存储阵列与云连接起来,而FlexArray将FAS和E/EF以及第三方阵列联系起来。为了凸显软件的重要性,NetApp将集群模式DataONTAP作为一个核心,对底层的存储资源的整合和控制能力进一步加强,数据可以在集群模式DataONTAP所管理的不同存储介质中自由的进行迁移。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。