这是一个架构升级的故事,2015年星辰天合从数据价值出发开始创业,用新技术和产品满足企业对数据存储的需求,在过去的八年中,软件定义存储产品已经从V2发展到V6。产品线也从快存储、对象存储、文件存储、全协议统一数据平台、XSKY DATAOS统一数据底座。
在大数据、AI、大模型到来的时代,数据的生命周期,发生了革命性的变化。XSKY星辰天合CEO胥昕也常常想,对存储这样的一个古老但常青的行业,结构升级和架构创新,在今天这样的时点,是什么?价值又是什么?
XSKY星辰天合CEO胥昕
高昂的全闪存系统,不仅价格昂贵,还容易造成数据和性能孤岛,使得高性能数据、算力和大规模普遍数据不能融合,造成多份数据往复循环的拷贝,星辰天合未来应该如何继续帮助客户保持数据常青?
通过架构的变革实现all data on all flash是否可行?
近日,星辰天合基于开创性的“星海”架构研发的星飞全闪分布式存储,将能够大幅度降低全闪存储使用成本,实现数据中心内所有数据存储都采用全闪,促进全行业迎接“全全闪(All Data on All Flash,全数据全闪存)时代”。
星海架构与3个100壮举
XSKY在2020年开始构想,并设计面向未来10年的数据中心全闪存存储架构。XSKY星辰天合CTO王豪迈说,all data on all flash不仅是我们的愿景,也是对未来的一次大胆承诺。
只是有了一个高性能的分布式存储系统,是很难与集中式全闪相提并论,甚至在很多场景下,集中式全闪阵列借助RAID和压缩技术,会有更好的性价比。
XSKY星辰天合发布了全新的分布式全闪架构“星海(XSEA,eXtreme Shared-Everything Architecture,极速全共享架构)”。架构以最新的标准存储协议和网络技术作为基础,引入了三项技术创新:
Shared Everything:星海架构采用全共享模型,使得每个节点都能直接访问所有SSD,提供更好的性能、可扩展性和服务质量,并且拥有全局视角的逻辑;
单层闪存介质:采用Append Only写入,面向TLC NVMe SSD优化,减少硬件配置复杂性;
端到端 NVMe:不仅存储系统对外提供NVMe-oF协议,内部复制网络和IO处理也同样采用NVMe-oF技术,确保IO路径的高效处理。
星海架构实现了3个100壮举,在40%-60%负载下实现100微秒的超低延迟;通过全局EC和数据压缩技术可以实现超过100%的存储系统得盘率(可用容量/裸容量);针对慢盘、亚健康网络问题时,能在100毫秒内快速切换,以保证系统的稳定运行。
王豪迈谈到,3个100的实现,不仅是技术的飞跃,实现了更高的可靠性、更优异的性能服务水平,并有效控制成本。
现在生成式AI正对存储提出新的要求,比如在训练上需要做到可持续扩展、高容量、大规模的同时,还要达到高性能。另外GPU训练很难用单点的存储去实现,一定是分布式计算的架构,对应分布式存储的架构。星海架构则可以满足智能化时代客户对高容量、大规模、可持续扩展的高性能存储需求。
抹平价格 全行业全全闪
星辰天合还发布了星飞软件和星飞9000一体机全闪存储,星飞9000是业界首款采用全共享架构的分布式全闪主存储。
星飞软件是一个高度集成和模块化的存储系统,提供从基础设施到用户界面的全方位服务。这种设计能够满足多样化的存储需求,同时简化管理和维护工作。
星飞9000是由经过验证的硬件结合星飞软件提供的一体机产品,提供一流的全闪存储性能、集中式存储的可靠性和出众的空间效率,确保存储系统的良好体验。星飞9000的硬件结构采用第四代英特尔至强可扩展处理器,使用DSA和QAT加速引擎,DDR5内存,配置两块100Gb以太网卡,可选配200Gb以上网卡。
星飞9000希望能横跨NVMe DAS、全闪阵列和容量型存储的使用场景,为此发布现场还做了三个测试,包括面向OLTP数据库场景,与本地NVMe DAS对比测试;面向OLAP场景,与集中式全闪阵列对比测试;在公有云上与高性能网盘的对比测试。
基于星海架构的星飞产品与已有的XSKY SDS V6会进一步融合,未来将结合行业应用,特别是围绕高性能计算、AIGC等场景进行验证。
胥昕也谈到降低成本还仅仅是第一步,长期愿景是抹平混闪,利用QLC技术、数据精简等技术,让价格无限贴近混闪,真正实现全行业、全客户、全场景、全数据中心、全全闪。
先进制造、金融、科研院所都是会接受最快的行业,比如要证实5年前出厂的光伏薄膜和单晶硅片是否有质量问题,可能需要从上亿的单晶硅片数据里寻找,在之前可能需要几天,而全闪存存储架构下,可能只需要几秒。
星飞全闪未来将更好的满足用户对高效、可扩展存储解决方案的需求,推动和引领新一轮全闪存系统普及热潮,实现更经济、无处不在的闪存,让“全全闪”时代更早到来。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。