精選

[企業儲存觀察室] 關於軟體或硬體定義的新思路

雖然在前幾篇文章中筆者曾經再度的闡明對於「軟體定義」與「硬體定義」的看法。 關於軟體定義或(相對的)硬體定義,筆者基本上的看法就是:「這市場上從來就沒有出現過『硬體定義』的產品!」 本來也不打算繼續去討論。不過,凡事都有例外嘛,最近一則新的訊息讓筆者有了新的想法。 延伸閱讀:「 ...

2020/01/21

[企業儲存觀察室] 2020+ 企業資料儲存觀察點(下)

上文接「2020+ 企業資料儲存觀察點(上)

磁帶淡出企業儲存市場並不是因為資料中心不需要它們,而是磁帶技術供應商越來越漸稀少,在市場上的宣傳也不足,這使得企業組織無法真正瞭解到磁帶的優點。備份軟體供應商們也在遠離磁帶,發展更多元的備份媒體,如份備一體機。再加上「磁帶」似乎就意味著「老」、「上一個世紀」、「不夠潮」的形象,也使得新世代的 IT 人對磁帶產生陌生與疏離感。事實上,磁帶正在超級資料中心裡成長,大約有 60~80% 的數位資料是屬於低活躍性或歸檔型資料。


隨著資料中心的成長,將這些非活躍性資料存放在 HDD 上的總體擁有成本與能源成本就會變得太高。
Horison Information Strategies 的總裁 Fred Moore 說:「如果資料沒有被使用,它們就不應該消耗能源。」筆者頗認同這樣的觀點。

當更多的資料需要被保存更長的時間時,磁帶低總體擁有成本的優勢就很明顯了。這些包括像是等待被分析的休眠大數據、歸檔、法規遵循、GDPR、醫療記錄、數位影像、電子郵件歷史記錄、非結構化資料、科學、電影、社群媒體、監視等資料。最近有越來越多企業組織在評估雲端備份,但有一天你或許會發現,備份到雲上面的資料,其實就存放在磁帶上!
延伸閱讀:「企業用磁帶前景如何?

以上幾個趨勢預期將會延續著過去幾年的軌跡,在未來幾年繼續發展下去。接下來要談的幾個是近期才發展起來,未來是否會持續下去成為一個明顯的趨勢,則有待時間來證明。

持續型/儲存級記憶體
持續型記憶體 (Persistent Memory, PM) 或儲存級記憶體 (Storage Class Memory, SCM) 這幾年藉由主力廠商的大力推動,經由儲存系統與虛擬主機平台的技術整合,在市場上的聲量可以看到明顯的增加。近期 Intel 升級了產品線,但仍然沒有達到形成一個趨勢所需要的能量,原因還是在於性價比,未來二年將會是 PM/SCM 的關鍵時刻。
從技術的角度看,PM/SCM 是有其利基點的;但技術的發展需要市場的支持,如何增加或創造需求量來降低單位製造成本,達到 PM/SCM 預期的價格甜蜜點,然後誘發更大的需求量,產生正向循環,是 PM/SCM 現在所面臨的最大挑戰。
根據 SearchStorage 的意見:PM/SCM 是有物有所值?要看具體的情況。
取決於更低的延遲、更快的回應時間和更大的資料吞吐量是否會顯著提高生產力、上市時間和業務收入。最終取決於性價比。
另外,目前市場上 PM/SCM 產品的供應商太少,但由於 PM/SCM 剛好位於 DRAM 與 Flash 之間,三者供應商間的市場與利益關係錯綜複雜,藉由技術授權來增加產品的廣度,可能也有相當的難度。
延伸閱讀:「持續型記憶體與企業儲存

人工智慧與智慧維運
從資料分析、大數據到人工智慧,無疑是近幾年來最能吸引企業用戶目光的詞彙。人工智慧/機器學習與儲存間的關係,可以從兩個層面來看。首先是儲存如何幫助 AI/ML?超大型資料集 AI 模型與 ML 學習的運算,的確需要超高速的儲存系統。儲存效能越快,可進行的運算次數也越多,模型也會越精確。去年我們的確也看到一些儲存系統供應商,用不少的行銷資源宣傳自家產品可以助力人工智慧,這點比較容易理解。運算後的大量資料,也需要地方存放,因此可供長期保存資料的物件儲存或雲端儲存也是大型 AI/ML 運算平台所需要的。未來對 AI/ML 的需求越高,也會需要越來越多的儲存。

另一面,AI/ML 將會幫助大型或超大型資料中心,在資料存放上的儲存效率,或者是運算資源分配上的效率。舉個例子,現在當我們在談論層級式儲存或儲存效率時,幾乎都是依據資料的行為,如資料熱度或最後一次讀取時間等,來做為資料存放最佳化的依據。
但在實際的運作上,資料的熱度還會因為業務在不同時間的變化,或是應用系統的需求等不同維度的資訊而有所變化。
將 AI/ML 與導入企業組織在 IT 上的維運,可以提供最佳化的決策依據或是資源需求預測,這與在業務決策上導入 AI/ML 的方式是相同。

一個新興的說法叫意圖式儲存管理 (Intent-based Storage Management),這也是筆者最新在觀察國外趨勢預測資訊時,新學到的詞彙。傳統的儲存管理就像老式的製造一樣,部署的過程分為兩個部驟,首先要確定應用程式對儲存的需求,然後投入大量的時間與精力為其建立特定的架構,仔細規劃和預測其容量和效能需求,並且管理部署所需要的硬體。如果需求發生變化,相對應的儲存改變是一個工作密集的過程,或許只是小調整,但也可能要砍掉重練,把資料移動到另一個硬體上。

意圖式儲存管理透過軟體來設定應用程式的需求與資料的價值,同時軟體就可以確定資料存放的最佳位置與組態配置。資料價值隨著時間變化,客戶可以透過簡單的策略更改,在不同的儲存平台上透明的移動工作負載。試想一下 3D 列印對照於傳統製造,即使大幅度修改原本的零件結構設計圖,也只需要透過軟體重新列印就好,而不需要重新開模、製模、更改工序、變更工具機設定等複雜且費時費工的過程。

如果工作負載突然需要提高效能?沒問題!只要通過 GUI 或 API,調整 QoS 參數,就可以在原有的基礎上調適配合應用程式。也許不需要更改,也可能將部份或全部資料移動到快閃儲存,又或者從混合節點移動到全快閃節點等,所有的動作都由軟體自己執行完成,不需要使用者介入。
簡單來說,它就像是一鍵管理,提出你的需求,然後由軟體全部搞定。

意圖式儲存管理的概念比現有的以條件為基礎的 QoS 更進一步,也是更接近理想化的方式。這類智慧維運的需求,理論上應該會不斷的增加,但要做到這一步會需要一點時間,未來但是否會發展下去,則要看在短期內是否有實際可供參考的案例出現。
延伸閱讀:「層級式儲存的建構(下)

另一個也是國外某些趨勢預測裡出現的新詞彙,叫做運算型儲存 (Computational Storage)。運算型儲存定義一種架構,結合儲存提供運算型儲存服務,運算型儲存服務 (Computational Storage Service, CSS) 是一種資料服務,用來在服務與資料相關的儲存設備所在之處執行資料運算。運算型儲存架構通過整合所有、包括儲存上的,接近儲存的,或是位於儲存與主機間的運算資源,從主機上卸載這些服務或是藉由減少資料的移動,來提昇應用程式的效能和基礎架構的效率。運算型儲存的目標在於能夠執行平行運算、減少 I/O 流量、緩解現有運算、記憶體、儲存和 I/O 的其它限制。