全闪存阵列厂商Kaminario开展业务比Pure Storage早一年时间,但无论是在销售、规模还是资金方面都有一些落后于Pure Storage。不过,Kaminario已经开始阐述一些会大大加快其发展的技术愿景。
我们不清楚Kaminario从K2纵向扩展和横向扩展阵列(基于k模块)的收入有多少,IDC告诉我们:"Kaminario的收入规模要大于Violin,但是我们不能公开这个数字。"Kaminario仍然是一家私人公司,不希望公开这个数据。Violin在全闪存阵列市场逐渐落后,产品和服务的年运营最新收入似乎大约是每年4000万美元。
IDC把Kaminario列在"其他"类别下,这个类别在2016年第一季度的收入规模是3.684亿美元。而这个类别下收入最低的厂商Oracle是340万美元,其实是富士通780万美元,华为160万美元,NetApp是3.284亿美元,Pure是3.411亿美元。据分析,Kaminario的收入比Violin多1000万美元,可能接近5000万美元。
非易失性存储领域正在发生技术创新的复兴,这给Kaminario提供了一个机会,给自己一个独特的技术愿景,显著改善客户的全闪存阵列体验。
Kaminario首席技术官Shachar Fienbli认为有5个非易失性内存趋势将推动存储的未来:
• 3D NAND
• 非易失性(存储)内存 - 3D XPoint, ReRAM
• NVMe
• NVMe Fabric
• NVMe网络机架
他还对这些变化将如何带来影响做出了一些假设:
3D NAND仍然占据主导地位。NAND密度成本将继续下去。在相同的制程工艺基础上增加更多层,这将大幅度增加错误检查和纠错能力,意味着耐用性会下降。Fienbllit断言,NAND将仍然是占据主导的存储介质,并将是在数据中心内取代HDD的商品曲线。
3D XPoint、ReRAM可能还有其他类似技术将改善NVM性能,但是NVM价格将比闪存更加接近DRAM。而且,3D XPoint DIMM接近1微秒的性能要远快于闪存,但是仍然和DRAM有一些差距。所以这些新的NVM技术太贵不足以取代NAND,无法被广泛采用,至少在5年内还不会取代NAND。
NVMe远比SCSI更有效,将很快取代SATA作为直连的方式。言下之意它对全闪存阵列的好处比较少,因为这些系统已经聚集了多个SSD的性能。控制器是瓶颈,因此减少从磁盘到控制器的延迟并不是很有吸引力。
NVMe Fabrics扩展了本地NVMe接口相比框架的效率。Shachar Fienbli认为ROCE RDMA over 100GbitE相比其他选择会胜出,尤其是RDMA over Fibre Channel,但是客户采用率将相对较低。
他认为NVMe机架即将到来。这是配置了NVMe SSD和RDMA网络接入的机架(机箱)。这是一个有趣的机会,进一步改善存储与计算的解耦。
Kaminario的NVMe over Fabrics机架方案
NVMe在短期内不会带来性能上的变革,因为使用英特尔2015的型号从直连SATA SSD到NVMe SSD访问的延迟从C110微秒缩短到大约95微秒。
未来NVMe PCIe x4 Gen 3的延迟大约是20微秒。Fienblit表示,如果我们去掉数据服务和数据缩减的话,NVMe SSD会带来3-4倍的性能提升。NVMe Fabrics可以降低外部存储阵列的访问延迟。闪存介质仍然是一个延迟瓶颈,直到/除非它被3D XPoint取代。
新兴的高性能技术太昂贵无法步入主流,它将作为利基的、Tier 0应用进入市场,也不会给核心的全闪存阵列市场带来突破性影响。
Kaminario打算做的是:
• 利用NAND的优点,继续使用最有成本效益的SSD,同时利用自身耐用性优化的能力
• 使用3D XPoint取代DRAM,用于缓存MetaData和Data,用于实现更高的性价比
• 部署NVMe框架作为外部接入
• 利用NVMe、NVMeF、NVMe Network Shelves
Shachar Fienbli说,这将会带来"全闪存阵列可扩展性、成本效益和敏捷性方面的突破进展"。
Fienblit设想,全闪存阵列配置内部的100Gbit以太网背板或者框架,连接多个计算节点到多个存储节点,实现全方位的存储与计算的解耦。而且两者都可以独立扩展,没有限制。存储和计算可以全局共享。性能和容量在任何扩展路径下都是均衡的,不需要迁移数据。
也许一些计算资源可以呈现给外部,用于运行那些需要接近于存储的应用。
这是我们从厂商那里看到NVMe over Fabrics以及XPoint最清晰和最详细的路径。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。