前言:由于众多出色的开源项目的存在,在不少人眼里,分布式存储似乎很容易。事实真是如此吗?
诚然,几个工程师可以在三到六个月时间掌握并DIY搭建一个基于开源的分布式存储集群,然而,保障并运维该集群,每年的人工成本动辄数十万、甚至上百万。除了成本高,随着硬件老化导致故障率升高,业务的连续性与数据安全也无法得到保障。
存储圈流传这样一个说法,无论存储研发还是存储运维,都是一个危险系数很高的职业。
为什么?计算、网络、存储构成现代IT系统三大基石。计算还是网络出问题,通常是局部单机故障,大概率可通过重启来解决,而存储一旦出问题就是全局系统故障,轻则业务中断,重则数据丢失。存储作为IT基础设施的基石,责任至关重大。
圈内人士总是对存储有无穷的敬畏,越是大牛越是如此。而圈外人士往往低估存储的门槛,认为只要投钱花时间就能搞出牛逼的存储产品。这里面直接忽略了科学理论、工程技术的系统复杂性和人的决定性因素。
存储系统是一个复杂的软硬件一体的系统工程,需要严谨的理论架构和工程化来保证数据安全性和系统稳定性,存储的底线和红线是不允许丢失数据。存储算法理论、系统架构、硬件结构、操作系统、软件工程等各个环节都非常复杂。系统复杂性决定了存储研发不可能是一件容易的事,对于存储新产品技术要在无人区不断摸索和试错,对理论创新、系统架构、工程化能力要求很高,这些都直接决定了存储的极高门槛。
分布式存储,国内存储采用开源路线居多,同质化现象严重,大多采用Ceph或GFS(Google File System)为蓝本的三副本分布式存储。殊不知存储系统本质上是一个要求极高的高容错系统,即使在硬件局部失效、软件BUG等极端情况下,要求数据仍然安全,业务仍然保持持续。三副本分布式存储在稳定性与可靠性方面,远远不如基于RAID技术的传统磁盘阵列,为什么?
最根本的原因在于:三副本分布式存储严重依赖网络间副本的一致性来实现数据保护,而基于网络的数据一致性,在网络出现分区故障时容易受到破坏。著名的CAP原理是分布式系统最基本、最重要的理论之一,最初由加州柏克莱计算机科学家布鲁尔教授在2000年提出猜想,两年后由麻省理工的吉尔伯特和林奇教授证明。CAP原理的核心是:当分布式系统出现网络问题(Network Partition),人们只能在数据的一致性(Consistency)与可用性(Availability)二选一。
这意味着,在三副本系统中,当网络出现故障时,如果要保持业务在线,即保证Availability(可用性),根据CAP原理,无论软件设计多么巧妙,运维团队多么优秀,仍然无法保证数据副本之间的一致性,最终可能只有一个副本保存了最新数据,即降级为两副本甚至单副本,成为IT系统中无形中的“危楼”:一旦出现系统掉电或硬件故障,很可能导致严重的数据丢失现象。
如何远离分布式存储的危楼? 如何解决三副本对数据安全带来的潜在威胁?
道熵推出的双重RAID架构是彻底清除上述“危楼”的有效方法。双重RAID将节点内RAID数据保护技术与跨节点的网络RAID技术相结合,将网络副本或EC码建立在节点内RAID基础之上,即使在出现网络故障的情形下,依靠每个节点内的RAID数据保护,仍然可以保证数据无忧,可有效解决分布式系统中因网络故障而带来的安全隐患。可见,双重RAID既具备磁盘阵列里常见的节点内RAID功能所带来的高可靠、高稳定的特点,同时拥有分布式系统所带来的高扩展性的优势。
双重RAID由节点内RAID与跨节点网络RAID实现双重数据保护,展现出超强的故障容错能力:以10个节点的拔盘测试为例,三副本架构中,拔出第三个磁盘就会出现业务中断、数据丢失的现象;而在双重RAID架构中,即使每个节点拔出一个磁盘,系统业务仍然不受影响,数据安全无忧。
道熵分布式存储还实现了两级自适应智能缓存加速、小块写聚合为大块顺序写、数据完整性校验、故障自动检测与数据自修复等先进技术;每个节点可支持数十TB固态硬盘缓存,其Cache命中率可从磁盘阵列中常见的60%提升至90%。与Ceph三副本相比,双重RAID可将IOPS性能提升3到5倍,平均读写延迟降低50%,能够承载5到10倍的虚拟机及容器等业务负载。
总结:存储系统软件是一个复杂的软硬件一体的系统工程,需要严谨的理论架构和工程化来保证数据安全性和系统稳定性。开源分布式存储在稳定性、可靠性、性能、运维能力等方面与专业存储存在较大差距。更进一步,分布式系统中著名的CAP定理表明,单纯依靠网络副本或网络RAID的数据保护机制存在明显缺陷。道熵创新推出的双重RAID分布式存储,有机地将磁盘阵列的节点内RAID技术与分布式技术结合起来,不仅具备磁盘阵列所具有的高稳定、高性能的特点,同时具备分布式系统高扩展的优势。
更多资讯请关注道熵www.horebdata.cn
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。