戴尔-EMC公司正在着手打造一套2 TIERS软件抽象层,旨在借此解决闪存之上一级存储数据与对象阵列中大规模之间愈发严重的分裂问题。
其起步解决方案是将SAN磁盘或者混合型闪存/磁盘阵列进一步拆分为多台阵列,这主要是考虑到一级数据速度需求不断提升、而二级数据存储容量快速增长的现实压力。
根据戴尔-EMC公司的设计规划,其中一台阵列专门负责实现一级数据闪存存储,并被定名为热边缘或者快速层。
另一台阵列则面向存证地磁盘之上且经由对象存储系统进行言说听二级(近线)数据,其可以内部或者外部形式存在且数据访问速度更慢,但每GB资源使用成本则远低于热边缘存储。
戴尔-EMC公司将此称为冷核心或者容量层,其同时亦在着手打造一款2 TIERS抽象层用以实现这一目标。以下为戴尔-EMC方面公布的一份演示文稿:
我们对于演示文稿中提到出的第三点并不认同,因为内部文件或者块访问高容量磁盘并非被云存储所替代,而是被可进行内部或外部(云端)部署的对象访问型高容量磁盘所替代。
EMC方面认为,热边缘方案的存储容量区间应该是在数百TB级别,而容量层的容量水平则要高得多; 预计可能达到数百PB。
将有一个统一的抽象层掌控元数据,用于指示数据条目位于哪个层以及层中的哪个具体位置。各数据条目随后会被分配单一全局命名空间,此空间可容纳数万亿个对象。此层中的代码亦会将数据根据需求在不同层间移动,具体依据一套策略驱动型自动化数据放置(分层)方法。
EMC方面认为,利用其它方案以逻辑方式将两层加以统一会耗尽位于热边缘的元数据空间,进而引发额外元数据被放置在容量层内,最终导致访问速度缓慢。而解决这一难题的作法并非增加快速层内的元数据存储空间,而是对元数据进行缓存。
要实现这样的效果,其设想访问快速层的一组客户端服务器会利用RDMA访问向一台共享式DSSD阵列发送请求,或者利用ScaleIO访问一台虚拟闪存SAN以整合各本地直接附加闪存驱动器。
直接整合或者网络附加型快速层存储原理图。
在此之后是一个基于对象存储的容量层,其可以由一台Isilon阵列或者一台ECS向外扩展商用设备集群充当。这两种层皆可分别实现扩展或者收缩。
需要注意的是,这套缩减闪存快速层容量的整体模式在一定程度上类似于昆腾公司的StorNext产品,其专门面向娱乐与媒体工作流市场。
每台服务器都会访问2 TIERS软件,后者通过一个POSIX API与单一命名空间为服务器应用提供SAN,同时亦利用策略驱动型分层机制将陈旧或者不必要的数据发送至容量层。其会将指向数据的应用访问映射至容量层中的对应对象。
这款EMC软件利用一套分布式Orange文件系统配合运行于本地FUSE文件系统之上的一项只读、通读型翻译服务,从而建立起快速层。这项服务采用动态负载命名空间(简称DLN)以实现元数据分层。DLN指向的是全局命名空间中的一部分,例如文件系统中的子树。在此部分中包含指向对象的指针,例如文件系统目录中的inode。
我们尚不清楚DLN如何实现加载或者预读取。
利用这套2 TIERS模式,EMC公司推荐了两种实例化思路,即利用DSSD快速层配合Isilon或者ECS容量层:
戴尔-EMC 2 TIERS示例
另一种备选方案是利用Omnibond的CloudyCluster——专门负责将OrangeFS部署在AWS当中——托管整套体系。
总体来讲,这是一套面向后SAN/后NAS阵列内部或者公有云世界的解决方案。其SAN/文件系统被拆分为两大类,且在逻辑层面利用2 TIERS软件实现这种SAN拆分。
评论观点
这种富有想象力的存储方案正是我们期待从EMC身上所看到的,而且目前尚无其它主流竞争对手拥有与之等同的解决方案。事实上,惟一能够在创新层面与之相匹敌的只有HPE的服务器事业部,其开发出了Synergy方案。
如果戴尔将EMC的这一发明应用至服务器,那么HPE无疑需要保持警惕。同样的,如果HPE方面将其Synergy纳入自家存储产品,则戴尔-EMC亦将面临严酷的竞争压力。
顺带一提,戴尔-EMC方面已经注册了2 TIERS商标。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。