（電子發(fā)燒友網(wǎng)報(bào)道 文/章鷹）“我們把計(jì)算中心分為三大塊，計(jì)算、傳輸和存儲(chǔ)。但是當(dāng)前數(shù)據(jù)中心存算分離不徹底，導(dǎo)致計(jì)算和存儲(chǔ)分別還有大量的冗余空間。比如計(jì)算器、存儲(chǔ)服務(wù)器都有配置相應(yīng)的硬盤，通過計(jì)算服務(wù)器的硬盤做緩存，將存儲(chǔ)域的數(shù)據(jù)拉到計(jì)算這塊進(jìn)行處理，導(dǎo)致我們配備最大容量的配置，導(dǎo)致存儲(chǔ)資源的浪費(fèi)；另外一方面，采用通用的算力進(jìn)行處理，使得IO的處理在計(jì)算域這一側(cè)采用CPU來做網(wǎng)絡(luò)和讀寫的操作，需要消耗30%的算力，而在存儲(chǔ)域采用通用CPU做控制器，使得性能降低20%。”華中科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院院長馮丹表示點(diǎn)出當(dāng)前數(shù)據(jù)中心存儲(chǔ)領(lǐng)域的痛點(diǎn)問題。

4月20日，在中國深圳舉辦的華為分析師大會(huì)分論壇上，長江學(xué)者特聘教授、華中科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院院長馮丹對(duì)數(shù)據(jù)中心Diskless架構(gòu)及近數(shù)據(jù)處理發(fā)展趨勢(shì)做出了權(quán)威解讀。

馮丹指出，傳統(tǒng)存算融合架構(gòu)下，企業(yè)通常采用應(yīng)用與本地盤耦合的服務(wù)器一體化架構(gòu)，存在存力效率低、無效數(shù)據(jù)遷移、資源浪費(fèi)等典型問題。表現(xiàn)為：一、數(shù)據(jù)從盤到計(jì)算域CPU,需要8次以上數(shù)據(jù)搬遷，無效搬遷帶來了網(wǎng)絡(luò)和算力資源的浪費(fèi)；二、在存算融合的上千節(jié)點(diǎn)大規(guī)模集群中，算力、容量空間配比無法均衡，擴(kuò)容時(shí)需要額外遷移數(shù)據(jù)，不僅帶來現(xiàn)有業(yè)務(wù)風(fēng)險(xiǎn)，還會(huì)浪費(fèi)投資；三、數(shù)據(jù)爆發(fā)增長，面向結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)縮減策略不完全適用于非結(jié)構(gòu)化場(chǎng)景。

國際調(diào)研機(jī)構(gòu)IDC的數(shù)據(jù)顯示，2025年數(shù)據(jù)量將達(dá)到175ZB，積累的數(shù)據(jù)量90%主要來自于近兩年，大部分?jǐn)?shù)據(jù)來自金融、基因、分子、動(dòng)力、IoT等等，從結(jié)構(gòu)化到非結(jié)構(gòu)化大量數(shù)據(jù)的產(chǎn)生，使得對(duì)容量、成本的壓力越來越大。但是傳統(tǒng)的面向結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)壓縮方法，可以使壓縮比達(dá)到3:1，但是對(duì)于非結(jié)構(gòu)化數(shù)據(jù)，壓縮比小于2，甚至是無效的。如何在存儲(chǔ)域?qū)崿F(xiàn)對(duì)于用戶來說，透明的、高效、自適應(yīng)的數(shù)據(jù)縮減算法也成為一個(gè)難題。

隨著算力多樣化、高性能網(wǎng)絡(luò)和存儲(chǔ)介質(zhì)的發(fā)展，數(shù)據(jù)中心架構(gòu)從以CPU中心朝著以數(shù)據(jù)為中心的Diskless架構(gòu)演進(jìn)。Diskless架構(gòu)下，單一CPU算力發(fā)展到GPU、DPU、XPU等多樣算力，算力效率得以充分發(fā)揮；網(wǎng)絡(luò)從IP、NOF發(fā)展到高通量的CXL，為算力和存力等硬件解耦奠定了基礎(chǔ)；存力也從傳統(tǒng)HDD到SSD，性能、功耗實(shí)現(xiàn)全面提升。在Intel、華為、KIOXIA、阿里云等業(yè)界芯片、存儲(chǔ)、云和互聯(lián)網(wǎng)廠商的積極推進(jìn)下，Diskless架構(gòu)借助專用DPU/IPU等數(shù)據(jù)處理芯片和OceanDisk等專用存儲(chǔ)模塊，進(jìn)一步提升數(shù)據(jù)處理和存儲(chǔ)的效能，充分調(diào)動(dòng)數(shù)據(jù)中心資源。

馮丹教授表示，資源池化共享的Diskless架構(gòu)應(yīng)具備以下關(guān)鍵技術(shù)：

1、網(wǎng)存協(xié)同，DPU硬件卸載加速，數(shù)據(jù)高效協(xié)同處理。通過DPU等專有數(shù)據(jù)處理模塊，使服務(wù)器CPU全為應(yīng)用服務(wù)，基礎(chǔ)設(shè)施與應(yīng)用任務(wù)解耦，將VirtIO、NVMe-oF等CPU計(jì)算效率低任務(wù)轉(zhuǎn)移到DPU的專用加速器執(zhí)行，實(shí)現(xiàn)資源彈性擴(kuò)展。

2、數(shù)控分離+IO直通，實(shí)現(xiàn)控制流與IO流分離，IO直通到存儲(chǔ)介質(zhì)，進(jìn)一步提升存儲(chǔ)效率。通過數(shù)控分離，可達(dá)到極致IO訪問時(shí)延，通過存儲(chǔ)域IO讀寫數(shù)據(jù)流與IO控制處理的分離，使得讀寫IO直通到存儲(chǔ)介質(zhì)中，減少IO處理路徑，降低處理復(fù)雜度，極大提升存儲(chǔ)域訪問性能。計(jì)算域則可以借助DPUbypassCPU，減少數(shù)據(jù)拷貝開銷，提升IO訪問性能。

3、盤控協(xié)同，盤芯片與控制器芯片配合，提升集成度，達(dá)到最佳成本和能耗。盤控協(xié)同技術(shù)的關(guān)鍵是要實(shí)現(xiàn)高性能、低成本的大盤，通過硬件對(duì)盤控系統(tǒng)內(nèi)的算法進(jìn)行加速，比如利用FPGA實(shí)現(xiàn)FTL/DIF/在線壓縮/加密/EC/GC等硬化，提升性能；盤內(nèi)和框內(nèi)的各類驅(qū)動(dòng)和緩存層合一，實(shí)現(xiàn)盤框一體，構(gòu)建極致成本和能耗的大盤存儲(chǔ)。

4、算子卸載，EC、數(shù)據(jù)縮減等算法通過硬件卸載到存儲(chǔ)端，實(shí)現(xiàn)近數(shù)據(jù)處理。通過計(jì)算語義的卸載，存儲(chǔ)直出語義接口，主機(jī)側(cè)軟件棧打薄，減少80%的IO交互次數(shù)，實(shí)現(xiàn)對(duì)整系統(tǒng)

的CPU和網(wǎng)絡(luò)帶寬節(jié)省。同時(shí)，在大數(shù)據(jù)/數(shù)據(jù)倉庫場(chǎng)景，可以利用引擎的下推接口，下推謂詞和投影等運(yùn)算操作到存儲(chǔ)資源池，減少無效數(shù)據(jù)的搬移。

華為去年發(fā)布的OceanDisk智能盤框產(chǎn)品，是一個(gè)標(biāo)準(zhǔn)的大存力新型盤框產(chǎn)品。OceanDisk通過NoF+高速網(wǎng)絡(luò)連接Diskless服務(wù)器，實(shí)現(xiàn)計(jì)算和存儲(chǔ)獨(dú)立彈性擴(kuò)展，幫助客戶提高資源利用率，機(jī)柜空間和設(shè)備功耗分別降低40%；內(nèi)置FlashLink?智能盤框協(xié)同算法等軟硬結(jié)合技術(shù)，帶來最大250萬IOPS，50GB/s帶寬的高性能；依托華為多年存儲(chǔ)研發(fā)實(shí)力，OceanDisk智能盤框提供硬盤亞健康管理、智能慢盤優(yōu)化等技術(shù)，保持大規(guī)模數(shù)據(jù)中心10萬級(jí)硬盤的性能穩(wěn)定，大幅降低運(yùn)維難度。OceanDisk作為業(yè)界首個(gè)面向Diskless架構(gòu)的新型盤框，將以高性能、高可靠、綠色集約重新定義下一代云和互聯(lián)網(wǎng)數(shù)據(jù)中心存儲(chǔ)架構(gòu)。

馮丹教授表示：“從技術(shù)趨勢(shì)來看，高性能異構(gòu)算力、高速網(wǎng)絡(luò)、大存力新型盤框、算子卸載等技術(shù)的發(fā)展，帶來了數(shù)據(jù)中心架構(gòu)的變革，加速了以CPU為中心的耦合架構(gòu)走向徹底存算分離、資源池化共享的以數(shù)據(jù)為中心的Diskless架構(gòu)，這種架構(gòu)進(jìn)一步簡化了數(shù)據(jù)中心基礎(chǔ)設(shè)施構(gòu)建，能夠?qū)崿F(xiàn)存力和算力資源的集約高效發(fā)展，已經(jīng)成為大規(guī)模數(shù)據(jù)中心發(fā)展的重要技術(shù)趨勢(shì)?！?br />
本文由電子發(fā)燒友原創(chuàng)，轉(zhuǎn)載請(qǐng)注明以上來源。微信號(hào)zy1052625525。需入群交流，請(qǐng)?zhí)砑游⑿舉lecfans999，投稿爆料采訪需求，請(qǐng)發(fā)郵箱zhangying@elecfans.com。