2021年年初开始,SSD固态盘价格受全球芯片产能紧缺、以及Chia虚拟币影响持续上涨。
众所周知,SSD的IOPS性能高出传统机械硬盘HDD两个数量级以上,耗电量仅为其1/3,且故障率降低一个数量级,是目前企业数据中心最理想的存储媒介。但SSD的单位容量成本仍然保持在HDD的5-10倍之间。面对海量数据增长的持续压力,企业用户期望数据存取与处理的速度能够跟上数据增长的节奏的同时,还需要有效控制IT预算和成本,常陷入两难的困境。
如何“花小钱,办大事?”
道熵在超融合与分布式存储领域持续创新,通过智能使用固态硬盘,对分布式存储在性能、容量、寿命、成本、易用性等方面实现大副度提升。这是继2016年道熵发布铁力士超融合与分布式存储产品之后,道熵在智能使用固态盘技术方面的一次里程碑式的升级。
闪存优化(Flash-optimized)存储池
道熵分布式存储支持两种典型的存储池,一种是闪存优化存储池,即使用大容量HDD作为存储池的后台存储,同时采用SSD作为读写缓存加速,通过智能自适应缓存算法,保存存储系统的各种元数据、热数据,以及作为写缓存加速。
道熵采用读缓存与写缓存分离架构。写缓存采用低延迟、高耐写企业级SSD,并采用镜像数据保护方式,确保数据在掉电或SSD故障时数据无丢失。读取缓存则采用大容量、高性价比的SSD,通过智能算法识别热数据,包含最近读取数据和高频读取数据,可有效覆盖业务的工作数据集,提升Cache命中率到90%或以上。在分布式存储中,每个节点可根据该节点工作负载情况,在线增加SSD的容量,以提升整个存储系统的性能。
全闪存(All-flash)存储池
针对小延迟或对性能有特殊要求的业务和应用,道熵分布式存储支持全闪存存储池,用户的业务可以在闪存优化存储池与全闪存存储池之间实现数据迁移。
SSD的单位容量成本是HDD的5-10倍之间,且由于其存储介质NAND Flash仅有有限的擦除与重写次数,导致SSD有限的写寿命。为了降低SSD的单位使用成本,并延长其使用寿命,道熵分布式存储在全闪存存储池,采取了基于16KB或32KB数据块的数据去重技术,在提升有效存储使用效率的同时,通过减少重复数据的写入,延长了SSD的写寿命。在数据去重基础上,还采取了对CPU消耗极低的LZ4高速压缩算法,进一步提升存储使用效率和SSD写使用寿命。在典型的虚拟化应用场景中,数据去重和数据压缩可产生的数据压缩比在5:1左右,相当于将存储使用效率和SSD写寿命提升了5倍。
道熵分布式存储采用双重RAID架构,即节点内RAID与节点间副本的双重数据保护;每个节点具有数据完整性校验和数据自修复能力,并采用随机写转换为顺序写、二级DRAM/Flash自适应缓存技术,大幅度降低物理磁盘的工作负载,具有极强的稳定性和数据安全性。其中,随机写转换为顺序写机制,不仅可提升系统IO性能,还可同时降低Flash的写磨损,延长SSD写使用寿命。数据去重、数据压缩、和随机写转换为顺序写机制,使得市场上价格低廉的桌面级SSD具有同企业级SSD相似的性能和写寿命。
通过智慧使用固态硬盘,
道熵分布式存储具有以下五大特点:
NO.1 成本优势
通过数据去重和数据压缩技术,道熵分布式存储可提升存储使用效率和SSD写寿命5倍或以上。道熵分布式存储可采用大容量、桌面级SSD作为闪存优化磁盘阵列的读取加速盘,或全闪存存储池的主力磁盘,可进一步降低采购成本50%。
NO.2性能优势
道熵分布式存储通过智能缓存技术,将最热的数据保存在低延迟DRAM中,次热数据保存在大容量固态硬盘中,可将业务的活跃数据集几乎全部保存在DRAM或Flash中,能够显著降低IO延时,以机械硬盘的成本获得接近全闪存的性能,总体性能指标提升可超过200%。
NO.3 寿命提升
道熵分布式存储的随机写转换为顺序写机制,有效降低存储底层硬盘的工作负载及压力,减轻对机械硬盘的磨损和对SSD的擦写次数,机械硬盘和SSD的使用寿命可提高100%。
NO.4 容量提升
数据去重和数据压缩可将容量使用效率提升2-5倍。
NO.5耗电量降低
全闪存存储池单位容量的耗电率,可节约80%。
Achievements
通过智能使用固态硬盘,道熵分布式存储在多方面实现了飞跃式提升:
未来,道熵将继续秉承“做正确的事(Do Right Thing),追求卓越(Pursue Excellence),成就他人(Help Others Succeed)”的理念,在分布式存储和超融合领域,以存储技术创新为先导,为企业数字化转型提供稳定性强、性能出色、效率突出的IT基础架构。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。