計(jì)算存儲(chǔ)如何緩解邊緣存儲(chǔ)工作

現(xiàn)在越來越多的公司轉(zhuǎn)向邊緣計(jì)算來部署數(shù)據(jù)密集型工作負(fù)載，其中包括AI到預(yù)測分析再到物聯(lián)網(wǎng)。邊緣計(jì)算使IT資源更靠近數(shù)據(jù)生成的地方，而不是將原始數(shù)據(jù)傳輸?shù)郊惺綌?shù)據(jù)中心。

不過，邊緣模型也有其局限性。IT團(tuán)隊(duì)必須找到克服常見障礙的方法，以提供支持其工作負(fù)載所需的計(jì)算和存儲(chǔ)資源。計(jì)算存儲(chǔ)是最有前景的方法之一，它可以將處理功能直接整合到存儲(chǔ)系統(tǒng)中，以消除I / O瓶頸并減少應(yīng)用程序延遲。這使得在邊緣環(huán)境中處理大量數(shù)據(jù)成為可能。

邊緣計(jì)算

邊緣計(jì)算是一種分布式架構(gòu)，可將數(shù)據(jù)中心資源移至網(wǎng)絡(luò)外圍進(jìn)行處理和存儲(chǔ)。在很多情況下，這意味著將這些資源放在分支機(jī)構(gòu)或衛(wèi)星辦公室中。通過將數(shù)據(jù)和應(yīng)用程序緊密靠近，邊緣計(jì)算可以減少網(wǎng)絡(luò)流量、簡化計(jì)算操作并提高關(guān)鍵任務(wù)工作負(fù)載的性能。這消除了集中式數(shù)據(jù)中心帶來的很多帶寬和吞吐量問題。

盡管有這些好處，邊緣計(jì)算也帶來挑戰(zhàn)，例如管理安全性、協(xié)調(diào)分布式系統(tǒng)以及在數(shù)據(jù)中心和邊緣環(huán)境間映射數(shù)據(jù)。最大的問題之一是克服計(jì)算和存儲(chǔ)資源本身的局限性，例如空間和資源需求。這些限制可能使企業(yè)難以最大化數(shù)據(jù)密集型工作負(fù)載的性能，尤其是當(dāng)它們變得更加復(fù)雜且數(shù)據(jù)量持續(xù)增長時(shí)。

就其本質(zhì)而言，邊緣環(huán)境通常受到可用空間的限制，因此很難托管設(shè)備以支持當(dāng)今現(xiàn)代工作負(fù)載?？捎每臻g可能僅限于辦公室的壁櫥或一角-在大小、電源和散熱方面受到限制-與功能完善的數(shù)據(jù)中心相比，提供的空間很少。

邊緣環(huán)境很少配備有可填充數(shù)據(jù)中心的高性能計(jì)算資源類型。盡管可以將最先進(jìn)的服務(wù)器推向邊緣，但I(xiàn)T預(yù)算通常沒有這么多，特別是當(dāng)企業(yè)仍必須在其數(shù)據(jù)中心中支持關(guān)鍵任務(wù)工作負(fù)載時(shí)。

由于這些限制，IT團(tuán)隊(duì)很難在邊緣環(huán)境中獲得所需的工作負(fù)載性能。但這并沒有阻止他們嘗試其他方法。有些團(tuán)隊(duì)部署全閃存存儲(chǔ)陣列、NVMe、GPU加速器和其他先進(jìn)技術(shù)。盡管這些措施有所幫助，但不足以有效地支持現(xiàn)在很多更強(qiáng)大的工作負(fù)載所需的性能。

造成這種情況的主要原因是，傳統(tǒng)的計(jì)算/存儲(chǔ)架構(gòu)固有地受到存儲(chǔ)設(shè)備和計(jì)算資源之間的I / O端口帶寬的限制。在處理數(shù)據(jù)時(shí)，必須通過這些鏈接，而這些鏈接的速度僅與支持它們的技術(shù)一樣快。通過擴(kuò)展，在存儲(chǔ)和內(nèi)存之間移動(dòng)的數(shù)據(jù)越多，產(chǎn)生的瓶頸就越大。

這正是計(jì)算存儲(chǔ)派上用場地方，它通過將計(jì)算和存儲(chǔ)資源緊密結(jié)合在一起以最大程度地減少數(shù)據(jù)移動(dòng)，從而消除了瓶頸，降低了延遲并加快了應(yīng)用程序的速度。

計(jì)算存儲(chǔ)助你一臂之力

僅僅是將數(shù)據(jù)從一個(gè)系統(tǒng)移至另一個(gè)系統(tǒng)，傳統(tǒng)的計(jì)算/存儲(chǔ)架構(gòu)就需要很多時(shí)間和資源，從而導(dǎo)致更高的延遲和更差的應(yīng)用程序性能。而計(jì)算存儲(chǔ)是采用原位方法進(jìn)行數(shù)據(jù)處理，僅將最少的操作從計(jì)算資源移到存儲(chǔ)系統(tǒng)內(nèi)部。在這里，由于數(shù)據(jù)移動(dòng)少，而且由于廣泛使用并行處理，企業(yè)可更快更有效地處理數(shù)據(jù)。

存儲(chǔ)系統(tǒng)代表計(jì)算系統(tǒng)預(yù)處理數(shù)據(jù)，以便最終僅將一部分?jǐn)?shù)據(jù)發(fā)送到內(nèi)存。通過最大程度地減少數(shù)據(jù)移動(dòng)，你可以實(shí)現(xiàn)較低的應(yīng)用程序延遲，并減少計(jì)算資源的負(fù)載，從而將其釋放給其他操作。

對(duì)于在邊緣運(yùn)行的數(shù)據(jù)密集型工作負(fù)載，計(jì)算存儲(chǔ)帶來巨大優(yōu)勢(shì)，尤其是那些無法承受延遲的工作負(fù)載。例如，企業(yè)可能會(huì)部署AI應(yīng)用程序，以持續(xù)分析數(shù)據(jù)流到其存儲(chǔ)系統(tǒng)中。有時(shí)，每小時(shí)可能會(huì)有多達(dá)幾個(gè)TB。

該應(yīng)用程序的目標(biāo)是提供自動(dòng)生成的報(bào)告，其中包括對(duì)當(dāng)前操作的近實(shí)時(shí)見解。毫不奇怪的是，報(bào)告中的數(shù)據(jù)僅代表原始數(shù)據(jù)總量的一小部分。

在傳統(tǒng)的計(jì)算存儲(chǔ)模型中，當(dāng)新數(shù)據(jù)可用時(shí)，數(shù)據(jù)必須不斷地從存儲(chǔ)移動(dòng)到內(nèi)存，這給I / O端口和計(jì)算資源帶來持續(xù)壓力。在這種情況下，報(bào)告很容易延遲或包含過時(shí)的數(shù)據(jù)。但是，如果在原地執(zhí)行分析，則計(jì)算資源僅需要匯總的總數(shù)即可生成報(bào)告，從而可以更快更高效地進(jìn)行操作。這還將對(duì)網(wǎng)絡(luò)帶寬和計(jì)算資源的影響降到最低，從而將它們釋放給其他負(fù)載。

計(jì)算存儲(chǔ)的美麗新世界

現(xiàn)在有多家供應(yīng)商提供計(jì)算存儲(chǔ)系統(tǒng)，包括三星、NGD Systems、ScaleFlux和Eideticom。然而，這仍然是新興的行業(yè)，并且仍然是由供應(yīng)商來決定如何更好地實(shí)現(xiàn)計(jì)算存儲(chǔ)，這可能會(huì)使系統(tǒng)集成有些困難。

為了提升計(jì)算存儲(chǔ)的部署率，存儲(chǔ)網(wǎng)絡(luò)行業(yè)協(xié)會(huì)正在創(chuàng)建標(biāo)準(zhǔn)來解決計(jì)算設(shè)備互操作性，并定義接口標(biāo)準(zhǔn)用于部署、配置、管理和保護(hù)設(shè)備。

計(jì)算存儲(chǔ)可以使邊緣環(huán)境中運(yùn)行的任何數(shù)據(jù)密集型、延遲敏感型工作負(fù)載受益。邊緣計(jì)算的大部分焦點(diǎn)都集中在IoT數(shù)據(jù)，但對(duì)于計(jì)算存儲(chǔ)，數(shù)據(jù)源并不是主要關(guān)注點(diǎn)。首要考慮的是數(shù)據(jù)量、更新頻率以及你需要處理的數(shù)據(jù)。在評(píng)估計(jì)算存儲(chǔ)的價(jià)值時(shí)，企業(yè)必須考慮不同用例，以確定是否有必要投資于新存儲(chǔ)工具以提升性能。