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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。