數(shù)據(jù)中心高性能對(duì)象存儲(chǔ)會(huì)碰到什么挑戰(zhàn)

　　對(duì)象存儲(chǔ)非常適合長(zhǎng)期備份和歸檔，如何將高性能對(duì)象存儲(chǔ)擴(kuò)展到大規(guī)模、高容量的工作負(fù)載，人們對(duì)此需要進(jìn)行了解。

　　對(duì)象存儲(chǔ)最有趣的方面之一是其用途的多樣性。盡管對(duì)象存儲(chǔ)通常用作歸檔存儲(chǔ)區(qū)、原有數(shù)據(jù)的目的地，以及文件服務(wù)器的替代品，但實(shí)際上有許多方法可以應(yīng)用對(duì)象存儲(chǔ)。隨著供應(yīng)商開始提供性能優(yōu)化的對(duì)象存儲(chǔ)，該技術(shù)已經(jīng)為用于一組全新的工作負(fù)載準(zhǔn)備就緒。

　　高性能對(duì)象存儲(chǔ)不僅僅需要從基于硬盤的對(duì)象存儲(chǔ)系統(tǒng)切換到全閃存對(duì)象存儲(chǔ)。向全閃存介質(zhì)的遷移無疑會(huì)有所幫助，但是對(duì)象存儲(chǔ)系統(tǒng)（很大程度上要?dú)w功于其豐富的元數(shù)據(jù)）通常具有太多延遲，無法有效利用閃存性能。

　　創(chuàng)建高性能對(duì)象存儲(chǔ)系統(tǒng)的另一個(gè)挑戰(zhàn)是基礎(chǔ)設(shè)施的橫向擴(kuò)展特性。為了滿足容量需求，對(duì)象存儲(chǔ)將大量節(jié)點(diǎn)添加到存儲(chǔ)集群中。每個(gè)節(jié)點(diǎn)的容量都被吸收到集群中，從而創(chuàng)建一個(gè)存儲(chǔ)池。在大型橫向擴(kuò)展集群中，具有數(shù)十個(gè)節(jié)點(diǎn)都是比較常見的。聚合和管理這些節(jié)點(diǎn)的等待時(shí)間可能很長(zhǎng)。

　　人工智能和深度學(xué)習(xí)的對(duì)象存儲(chǔ)挑戰(zhàn)

　　非結(jié)構(gòu)化的大型數(shù)據(jù)工作負(fù)載（例如人工智能和機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)）是對(duì)象存儲(chǔ)架構(gòu)如何成為高性能工作負(fù)載的一個(gè)很好的例子。理論上，這些工作負(fù)載對(duì)于對(duì)象存儲(chǔ)而言應(yīng)該是理想的。它們擁有數(shù)百萬甚至數(shù)十億個(gè)文件，而存儲(chǔ)所有這些數(shù)據(jù)需要大量的SSD硬盤或HDD硬盤，因此需要許多節(jié)點(diǎn)。這些過程也是受吞吐量驅(qū)動(dòng)的。

　　所有這些因素的結(jié)合使ai服務(wù)器和深度學(xué)習(xí)針對(duì)對(duì)象存儲(chǔ)的高節(jié)點(diǎn)數(shù)存儲(chǔ)集群量身定制。大多數(shù)與人工智能通信的框架（例如TensorFlow）用于驅(qū)動(dòng)人工智能服務(wù)器和機(jī)器學(xué)習(xí)工作負(fù)載，它們都使用Amazon S3協(xié)議。大多數(shù)對(duì)象存儲(chǔ)系統(tǒng)也是基于S3存儲(chǔ)桶，并且S3存儲(chǔ)桶本身是高度并行的。從理論上講，對(duì)象存儲(chǔ)基礎(chǔ)設(shè)施應(yīng)該能夠滿足人工智能和機(jī)器或深度學(xué)習(xí)工作負(fù)載的需求。

　　但是，此方法不僅僅需要?jiǎng)?chuàng)建一個(gè)全閃存對(duì)象存儲(chǔ)系統(tǒng)。該系統(tǒng)必須能夠解決這樣一個(gè)問題，即可能會(huì)有數(shù)十個(gè)（即使不是數(shù)百個(gè)）節(jié)點(diǎn)，而元數(shù)據(jù)以及集群管理也帶來了挑戰(zhàn)。

　　應(yīng)對(duì)元數(shù)據(jù)挑戰(zhàn)

　　元數(shù)據(jù)是關(guān)于數(shù)據(jù)的數(shù)據(jù)，它對(duì)高性能對(duì)象存儲(chǔ)帶來了挑戰(zhàn)，其原因有兩個(gè)：第一個(gè)挑戰(zhàn)是，對(duì)象存儲(chǔ)系統(tǒng)需要更多時(shí)間來管理其豐富的元數(shù)據(jù)。由于大多數(shù)對(duì)象存儲(chǔ)供應(yīng)商會(huì)在集群中指定一定數(shù)量的節(jié)點(diǎn)來管理和存儲(chǔ)元數(shù)據(jù)，因此管理更加復(fù)雜。在人工智能和深度移動(dòng)學(xué)習(xí)等工作負(fù)載中，專用的元數(shù)據(jù)控制器通常不堪重負(fù)，并成為系統(tǒng)瓶頸。因此，服務(wù)器閃存驅(qū)動(dòng)器甚至硬盤無法充分發(fā)揮其潛力。

　　第二個(gè)挑戰(zhàn)是集群通信。大多數(shù)橫向擴(kuò)展NAS或塊存儲(chǔ)系統(tǒng)的節(jié)點(diǎn)數(shù)都比較少。在網(wǎng)絡(luò)附屬存儲(chǔ)（NAS）和塊用例中，擁有六個(gè)節(jié)點(diǎn)的存儲(chǔ)集群被認(rèn)為是大型的浪潮服務(wù)器存儲(chǔ)系統(tǒng)，但在許多對(duì)象存儲(chǔ)部署中，六個(gè)節(jié)點(diǎn)只是一個(gè)入門級(jí)別。而節(jié)點(diǎn)間的通信成為一個(gè)大問題，尤其是在不涉及性能的歸檔的用例中。

　　要?jiǎng)?chuàng)建高性能的大規(guī)模對(duì)象存儲(chǔ)解決方案，需要解決元數(shù)據(jù)性能和集群管理問題。下一代對(duì)象存儲(chǔ)將元數(shù)據(jù)分布在集群中的每個(gè)節(jié)點(diǎn)上，而不僅僅是幾個(gè)控制器。元數(shù)據(jù)的分布可確保每個(gè)節(jié)點(diǎn)都具有響應(yīng)I/O請(qǐng)求所需的所有信息。