
"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
英国宠物慈善机构PDSA数据显示,超过半数宠物主担心无法承担兽医费用。科技公司正通过AI和物联网技术解决这一市场需求。在伦敦兽医展上,多家初创公司展示了创新技术:AI for Pet利用视觉AI分析宠物眼部、皮肤等图像提供健康洞察;Sylvester.ai开发AI模型识别猫咪疼痛表情;VEA整合患者数据自动化诊断。此外,智能项圈等物联网设备可追踪宠物健康症状。这些技术有助于宠物主采取预防措施,降低兽医费用。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
北欧国家启动统一人工智能产业计划,旨在通过合作在全球舞台上竞争,获得微软和谷歌支持。10月成立的新北欧AI中心获得350万英镑初始预算,但谷歌和微软是唯一提供资金支持的科技公司,具体金额保密。该中心将开发生成式AI系统并建设应用AI服务的系统。北欧教育部长承诺追加资金开发大型北欧语言生成AI模型。尽管资金有限,但北欧国家希望通过联合力量在AI竞赛中提升地位。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。