就在我们认为独立的外部存储阵列厂商可能需要进入超融合市场之后,我们收到了一个小提示说Nimble Storage也是这么认为的。所以我们向Nimble公司首席执行官Surech Vsudevan提出了几个探索性的问题,得到了如下回答:
问:Nimble如何看待外部共享存储以及HCI在提供存储产品中所扮演的角色?你看到HCI的增长给外部存储市场以及该市场内的销售带来影响了吗?
答:当你看外部存储市场的时候,也许最好是把它看为两个市场——以磁盘为中心的外部存储市场和以闪存为中心的外部存储市场。在这两个市场中,以闪存为中心的外不存储市场正在快速增长,我们认为这个市场并没有受到HCI的冲击。以磁盘为中心的存储市场正在下滑,因为像公有云、迁移到全闪存和HCI等这样的因素。
问:HCI和外部存储的优势和劣势是什么?两者如何互补?
答:HCI确实有一些难以匹敌的能力,包括简单的安装/设置/配置、单一厂商支持、简单的采购。但是,外部存储也有一些关键特性是当前HCI解决方案无法匹敌的,包括性能的一致性,有吸引力的性价比,有粒度的扩展以及面对故障/热点的弹性。
鉴于此,我们认为HCI非常适合于远程办公室、小型二级环境、以及VDI等“同类”工作负载。我们认为外部存储很适合于一级环境、大型(大容量或者高性能)二级环境,以及整合多个异构工作负载时。
问:现有的HCI提供商和产品有哪些不足?
答:看看现有的HCI厂商和市场中的产品,我们看到HCI有三个劣势需要克服,以获得更广泛的机会:
- 全闪存的劣势:HCI系统通常需要创建两个或者三个数据副本来确保数据持久性。而这对以磁盘为中心的HCI系统来说并不是那么麻烦(磁盘很便宜),而对于以闪存为中心的HCI系统来说就有明显的成本劣势了,因为相对于其他组件成本来说,闪存介质的成本是非常高的。此外,现有的HCI文件系统(大部分是在全闪存步入主流之前就设计好了)在设计的时候并没有考虑到很好的带内数据精简功能。
因此,大多数HCI系统会出于性能或者其他考虑,建议关闭带内压缩以及/或者重复数据删除功能,如果打开这些服务的话,就会出现应用性能不一致的情况。最后,HCI系统会把所有写入镜像到网络上的其他节点,以确保持久性,而这可能导致写入延迟较差。
- 节点蔓延:不管你是否需要扩展计算、IOPS、吞吐量或者容量,大多数HCI系统都要求你向集群中增加更多节点。一些HCI系统正在通过利用容量密集型节点或者计算密集型节点来独立地扩展一些元素,但这些系统通常还是要求在每个节点中容量或者计算的资源元素。随着时间的推移,这种方法会导致严重的硬件过量配置。
- 黑盒:HCI系统在简化安装、初始设置和配置方面表现出色。但是,HCI系统在细致地、有粒度地了解工作负载对底层系统资源的影响方面表现不尽如人意,特别是当你有多个异构工作负载的时候。
例如,如果你在一个HCI集群上有十几个数据库和其他工作负载,如果一个数据库开始遇到高延迟的问题,当前的HCI系统会很难理解导致这个问题的具体瓶颈在哪。正如我们从很多客户那里听到的,应对方法往往是添加更多节点来扩展集群资源,这可能无法解决问题,也有可能解决。
当这发生的时候黑盒问题就出现了。要从根本上解决问题很难,因为对底层是不可见的。
上述问题并不一定是HCI作为一种方式的产物,认识到这一点很重要。这些问题源自于重度专注于设置和端到端配置虚拟机简化性的第一代HCI系统。
问:如果Nimble构想一款HCI产品的话,哪些功能和特性将是最重要的?
答:虽然我们目前还没有宣布任何关于HCI的产品计划,但是我们认为我们有非常丰富的基础:
Nimble从头开始设计Nimble OS以非常好地适用于闪存甚至是3DXP——针对像带内压缩、带内重复数据删除、持久性管理等等。Nimble非常有效地这么并提供了持续的高性能。
Nimble OS设计可以纵向扩展、横向扩展和深度扩展,因为它继承了文件系统的属性。横向扩展对于部署多节点HCI集群来说是必要的,但是更灵活的扩展方式有助于解决节点蔓延的问题。
Infosight Predictive Analytics可以很好地监控、预测和防止从虚拟机到存储的问题、建立资源消耗模型、预测资源瓶颈、从单个虚拟机层面提出修正措施的建议。在避免黑盒问题中这是一个关键的能力。
问:Nimble可能会如何开发HCI产品?
答:最终,Nimble OS和Ifosight将成为我们知识产权的基础要素,为我们提供扩展产品组合的多种途径。
评论
Nimble没有宣布超融合产品计划,但是这位首席执行官提到了目前HCI系统可能存在劣势的三个领域,这表明Nimble IP可以帮助解决一些或者所有这些领域的问题。
所以Nimble将会开发一款HCI产品吗?你的猜测和我们的一样,我们认为……会的。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。