作者 张宇峰
企业的存储基础架构每天都面临现实的挑战,必须保持业务不中断运行,满足其客户的需求,同时应对增长并保护其数字资产免遭恶意破坏。光纤通道矩阵是把业务与最重要的应用和数据相连的共同主线,通过最值得信赖、部署广泛的企业存储网络基础架构而推动世界经济向前发展。据IDC的数据显示,绝大多数数据中心存储容量一直是、并将继续是光纤通道。
每天通过光纤通道进行着300亿次事务处理,可以在十分钟内迁移15年的高清视频,一个矩阵能够在大型PB级混合负载环境中延伸到数十万设备,并具有集成的安全性,以及99.9999%的正常运行时间。光纤通道还为那些想要部署共享、混合负载存储环境,以及密集虚拟化环境的企业提供一个切入点。
与此同时,固态硬盘、非易失性存储器、基于服务器的闪存卡和全闪存阵列市场发展迅猛。IDC预测,2016年,全闪存市场的价值将达到16亿美元,相比2014年的8亿美元实现了大幅增长。
随着闪存的每GB成本不断下降,世界各地的企业都急于在计算和存储层采用闪存,用于性能密集型负载。如果使用妥当,闪存还将针对数据中心扩建提供一个经济上可持续发展的方案。
许多情况下,闪存平台能够提供标准硬盘平台数倍的性能。这意味着,现在交付该性能的重担转移到把计算和存储层连接到一起的网络上。网络现在必须以可扩展、一致、不延迟的方式让支持闪存的存储访问服务器。
许多企业认为其现有网络基础架构一般能满足闪存数据访问的需求。然而现实情况是——闪存的性能需求比之前高了一个阶跃函数。如果在存储或计算层引入闪存,性能较低的传统网络则无法提供闪存所需的规模和敏捷性。
尽管近年来出现了基于以太网的网络,但是涉及全闪存阵列或支持闪存的高性能存储访问时,许多企业和厂商还是依赖光纤通道作为首选网络。光纤通道网络所提供的16 Gbps链路速度很好地满足了支持与日俱增的高性能存储架构的要求。向后兼容当前光纤通道网络意味着可以无缝升级。确定性性能则意味着如果需要高性能应用时,可使用数据,并且光纤通道能够针对数据增长不可预测的环境而轻松扩容。
因此,光纤通道存储区域网络(SAN)通过提供一个可交付的高可靠、高可扩展、高性能的存储基础而支持企业级高密度虚拟化。即使现在,绝大多数虚拟机仍部署在基于SAN的存储基础架构上。
光纤通道是数据中心每一轮存储创新中都不可或缺的一部分:其中包括共享存储和服务器虚拟化,以及闪存存储。光纤通道还能够为那些希望通过让存储与服务器脱钩,以及消除存储孤岛而最大程度提高存储利用率的企业提供共享存储。
哪些因素推动存储创新
那么,哪些因素推动当今的存储创新?显然,闪存存储的广泛采用加快了数据中心的转型。
闪存产品前所未有的速度和快速增长的成本效益大大加快了数据中心转型。随着公司通过闪存存储重新定义应用性能,它们需要可提供低延迟、高容量带宽和可靠性的网络。
目前,70-80%的全闪存存储都在光纤通道SAN上互联。但是网络必须不断演进,才能支持下一轮存储创新。
第六代光纤通道:光纤通道无处不在,并且固守阵地
下一代基于NVMe(非易失性存储)的闪存存储将通过新一代光纤推动技术:第六代与光纤通道网络无缝集成。
第六代光纤通道技术让企业能够满足超大规模虚拟化、新数据中心架构和下一代存储技术对性能、可靠性和可扩展性的要求。
随着企业通过闪存存储重新设计数据中心,以便提高应用性能,他们需要可提供低延迟、高容量带宽和可靠性的网络。现在70-80%的闪存阵列存储系统都已经部署了光纤通道。
第六代光纤通道对闪存存储尤其重要。性能、可用性和可扩展性对于闪存存储架构至关重要。尽管光纤通道凭借其低延迟和高度可用性特点一直是企业部署的首选网络,但是第六代光纤通道把这些优势延伸到了下一轮存储创新中。
那么,也能重新定义或者说彻底改造存储的软件定义和云技术又如何呢?这些创新技术显然在数据中心发挥重要作用。第六代光纤通道通过提供不间断业务运营所必需的,且无与伦比的可靠性、性能、可扩展性和安全性而完善了这些技术。
企业需要不断寻求通过数字化和虚拟化而进行创新和转型,以便实现数字所有权和移动性,并且能够把数据转化为得以迅速利用,以便获得竞争优势的见解。
历史证明,光纤通道是能够提供这些功能的唯一基础架构。这就是为何96%的银行、航空公司和零售商都依赖光纤通道——这个企业存储最值得信赖、广泛采用的网络基础架构。
作者介绍:
张宇峰先生凭借其十六年来在中美两国网络,通信,数据中心,云计算领域从事技术服务,产品管理,和市场战略的资深经验加盟博科,被任命为博科中国系统工程师总监,负责博科中国新IP(New IP),SDN, NFV, 云网络等创新技术的发展工作,并将加速博科中国卓越的系统工程师队伍的建设。他丰富的技术产品行业经验与对市场的洞察将帮助博科的用户在将其网络转向新IP进程中获取更多的优势。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。