
"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
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。