Pure Storage CEO详解数据集管理策略与软件栈发展

Pure Storage自2011年推出FlashArray以来已经走过了漫长的发展道路。公司扩展了全闪存存储产品组合，推出了FlashBlade、用于无干扰升级的Evergreen Storage，开发了Portworx和Pure Fusion等云原生解决方案用于混合云和多云环境，并引入了Pure1进行AI驱动的管理。公司于2015年成功上市。

Charles Giancarlo于2017年担任CEO，我们在采访的第一部分讨论了AIOPS、AI数据，并探讨了数据集管理概念。在第二部分中，我们将进一步探讨这个话题，并讨论现成SSD、软件栈和copilot等内容。

数据集管理的核心理念

当谈到数据集管理理念时，Giancarlo解释了数据管理与数据集管理之间的区别。他表示，目前讨论的数据管理通常指的是针对特定AI或分析引擎的特定数据存储进行管理。但他们没有管理的是数据集本身的生命周期。

"如果你试图管理其中的每个数据位，我认为现在会失败。但与此同时，如果你管理数据集，我们不一定知道每个数据集中的每一位数据，但如果我们能跟踪数据集本身，包括它们在哪里、数据集生命周期管理如何进行、它们应该保持多长时间活跃、何时应该被删除等问题。"

这种通用化的数据管理方法意味着数据可能驻留在其他人的设备上。虽然目前还没有达到这个程度，但随着时间推移可能会实现。

数据集生命周期管理的重要性

Giancarlo强调了数据集生命周期管理的重要性，不仅是为了避免在不需要的冗余副本上浪费存储空间，还涉及合规性问题。那些由已离职员工创建但无人记得的副本会成为"幽灵副本"，这是一个合规问题。

"很多这些副本最终会成为勒索软件的一部分，因为它们被遗忘了，可能完全不为人知。所以它们不受持续安全措施的保护，比如密钥轮换。这就像一个等待开放的后门。"

因此需要生命周期管理：如果数据三个月没有被触及且无人拥有，就应该删除它。

FlashArray技术策略

在技术层面，FlashArray//ST（FAST）使用现成的SSD。当被问及是否可以重新组织Pure DFM并使其成为SLC时，Giancarlo确认这是可能的，速度会非常快。

使用现成SSD的原因是客户真正要求的是非常高的吞吐量。公司还构建了一些独特的电子设备来卸载许多在常规产品中由Intel处理器处理的服务，这也降低了延迟，提高了整体性能。这对公司来说是一种更简单的战术性方法。

软件栈发展方向

Pure和Vast都在其存储之上构建了非常全面和强大的软件栈。Giancarlo认为，Dell和HPE仍在做他所谓的"全栈"方案，这是一种垂直架构。

"虚拟化已经扁平化并使计算水平化，也使网络水平化。存储是唯一仍然服务于应用环境的东西，所以它是垂直的。我们说这也应该是水平的。现在，全栈是一个没有意义的硬件概念。你想要的是可以用软件创建的虚拟全栈，而不是任何物理全栈。"

Copilot的应用

关于Copilot术语的使用，Giancarlo澄清这不仅仅是微软的术语，现在每个人都在将copilot用作其管理或运营平台之上的AI层。之所以称为copilot，是因为大多数公司表示，他们还不想让AI完全自主运行，必须有人工干预。

公司保留使用不同大语言模型的权利，实际上在某些情况下会使用多个模型，因为它们各有其特色以及优点或缺点。

Q&A

Q1：Pure Storage的数据集管理与传统数据管理有什么区别？

A：传统数据管理通常指针对特定AI或分析引擎的特定数据存储进行管理，而数据集管理是跟踪数据集本身的生命周期，包括它们的位置、应该保持多长时间活跃、何时删除等。这种方法不需要了解每个数据集中的每一位数据，但能有效管理整个数据集的生命周期。

Q2：为什么FlashArray//ST要使用现成的SSD而不是自研芯片？

A：这是一个战术性决策。客户真正需要的是非常高的吞吐量，使用现成SSD能更快进入市场。同时公司构建了独特的电子设备来卸载服务处理，降低延迟提高性能。对于相对小众的专业化市场，使用现成技术比投入更多工程资源获得轻微优势更合理。

Q3：Pure Storage的Copilot是基于微软的技术吗？

A：不是的。虽然使用了Copilot这个术语，但Pure Storage保留使用不同大语言模型的权利，实际上会使用多个模型，因为它们各有特色和优缺点。Copilot代表管理或运营平台之上的AI层，强调需要人工干预，不让AI完全自主运行。