"超融合基础设施一体机(HCIA)已经准备好承载大量数据中心x86工作负载,但是并不一定要灭掉SAN。"这是近日Dell EMC融合平台部门总裁Chad Sakac在Dell EMC World上进行对话得出的结论。
这里我们主要从三个观察点说起。
其实,HCIA是重新开发的迷你计算机集群,在20世纪80年代,VAXCluster是一个由16个VAX迷你计算机松耦合的集群,作为带有共享存储的单一系统。这种集群采用专用的网络方案来连接各个集群节点。
这不就是一个超融合基础设施一体机吗?"可以说是,也可以说不是。" Sakac表示。在一个HCIA内,网络是在系统范围内的,而以前的迷你计算机集群却不是。
而且HCIA的横向扩展能力远远超过VAXCluster及其16路集群。VxRail可以扩展到数百个节点,甚至可以扩展至VxRack SDDC以及连接数千个节点。Dell EMC希望让从VxRail向VxRack SDDC的扩展变得更容易。
HCIA是固有的内部部署系统
我们认为,HCIA本质上是内部部署的系统,并不是面向管理服务提供商的。
很大程度上可以这么理解,但也不总是如此。Sakac表示,Dell EMC有客户在托管协同设施中部署了HCIA和CI,我们认为这些都是内部部署的,而不是类似公有云的设施。
他说,在向MSP提供融合和超融合基础设施方面鲜有成功的,除非提他们提供单一租户服务。
例如,Vodafone对自己的单租户客户使用了Vblock,Atos在单租户中使用了VxRack、VxRack SDDC以及Azure Stack。
针对多租户客户,大型云提供商利用商用组件构建他们自己的系统。
HCIA是否会使用共享外部阵列?
HCIA从DAS存储构建他们自己的SAN,聚集起来并将其转变为一种共享资源。因此这似乎是取代了共享访问的外部SAN,例如VMAX或者Unitty存储阵列。其实从内容上是这样的。另外,HCI和软件定义存储针对大多数x86工工作负载做好了准备。
这不是目前的情况。一些工作负载必须有共享阵列,因为需要:
• Symmetrix Remote Data Facility (SRDF)以及/或者其他特定服务
• 极高的容量密度,并不适用于标准服务器--单位空间内的PB量太少
• 一致的响应,对延迟变动很敏感
这些工作负载需要一个外部阵列,价值很高,但是数量很少。
上面的概念方案显示了一个HCIA机架在访问物理SAN,这种应用可以运行在VxRail或者XC HCIA系统中,但在工作负载需要的时候,通过顶架式交换机进行访问。
其他观点
Sakac还提出了其他的一些观点。
HCI市场复合年增长率达到100%,Dell EMC HIC的复合年增长率为208%。截止到目前,HCIA的销售量是CI的指数级。
对于任何进入HCIA市场的主流厂商来说,游戏结束了,除非是一种一体化的云堆栈,比如Azure Stack。
VxRack满足了可组合系统的要求,是由商用组件构成的,而不是使用专有硬件。像HPE的Synergy系统,专有系统,采用单独的API和单独的管理工具。
所以他暗示说,为什么不把管理工具代码作为应用运行在HCI系统本身,就像VxRack那样?然后一切都运行在商用组件上,并且是软件定义的。
物理SAN的终结
我们认为,Dell EMC正在向客户传递一个信息,那就是HCIA和CI是未来大势,他们有让客户实现的路径,不需要颠覆式升级他们的物理SAN,实现融合基础设施内的逻辑SAN。
全行业从物理到逻辑SAN的转型需要很多年的时间,每个客户都可以按照自己的速度和时间来完成这一转型。对于大多数x86应用来说,物理SAN的终结可能是10、15甚至更长时间,不会马上就发生。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。