深度剖析:全面了解“超融合架构”生态圈

简介:

今年,云计算领域最火的概念是什么?当然是“超融合”。 随着VMware、Nutanix、SMARTX等领导厂商先后进入超融合领域,带火了“超融合”概念,国内云计算和存储厂商也纷纷声称自己推出了超融合架构方案。一时间,国内超融合生态圈厂商众多,颇有些混乱和看不清楚的感觉。

目前已经入局的超融合厂商可以划分为哪几类?他们的超融合方案又有哪些侧重点?几类厂商的竞合关系又是怎样的?为解答上述关键性问题,记者专访了云计算存储业界专家徐文豪,听一听他对于目前“超融合”生态圈的分析。

超融合的“超”指“虚拟化”。想要深度剖析“超融合”生态圈,首先必须清楚“超融合”这一概念的来源。 “超融合”的英文为Hyper- Converged。可以看到,超融合架构虽然有一个“超”字,但其并不是什么神秘的概念,也并非“超级”的意思,而是与英文Hypervisor中的 Hyper相对应,是虚拟化的意思,对应着虚拟化这一计算架构。

事实上,这一概念最早源于存储初创厂商将Google、Facebook等互联网厂商采用的计算存储融合的架构用于虚拟化环境,为企业客户提供一种将存储做到计算服务器中的融合产品。“因此,超融合架构最核心的改变是存储,而这一概念的最初推动者也都是来自于互联网背景的存储初创厂商。”徐文豪告诉记者。

超融合架构厂商分类

超融合架构将围绕虚拟化计算的存储、网络集成到了同一个硬件盒子中,生态系统涵盖软件和硬件厂商,因其核心是软件,在这里我们集中讨论三类有代表意义的软件厂商,而并不展开讨论整个生态系统:

“超融合存储”厂商,作为“超融合”架构概念的来源,Nutanix、SMARTX、Simplivity等超融合存储厂商通过其稳定、高性能、丰富的企业级数据保护特性的存储构建了核心竞争力,是目前“超融合”生态圈的核心玩家之一。

VMware”,作为虚拟化领域的霸主,VMware为保卫VMware生态系统推出vSAN和EVO:RAIL,借助vSphere的市场份额,推广其超融合存储解决方案,是目前“超融合”生态圈的第二个大玩家。

Openstack等开源阵营”,OpenStack厂商乘风借势,借助开源项目Ceph也推出了自己的超融合解决方案,与超融合存储厂商和VMware一起,初步形成了超融合存储市场的三类玩家。

这些厂商虽然都是超融合架构,却各有侧重和优缺点,让我们逐一对此进行分析。

超融合存储厂商引领超融合架构

超融合存储厂商典型代表有Nutanix、SMARTX、Simplivity等,这些厂商将传统互联网公司的计算存储融合架构用于虚拟化环境中,支持企业构建计算存储合二为一的数据中心架构。

超融合存储厂商首先抓住的是用户数据中心虚拟化规模增大后的存储痛点问题(如性能、容量、运维、易用性问题),为虚拟化数据中心构建更快、更易扩展、更易用的存储解决方案,降低数据中心的整体拥有成本。

存储厂商推出的超融合方案有两大优点,一方面,其不绑定任何计算平台,既支持VMware,也支持OpenStack、KVM、 Hyper-V、XEN SERVER等,甚至未来还会支持Docker,中立的立场十分明显,可以和多种虚拟计算平台厂商合作,有助于用户摆脱计算平台的绑定;另一方面,其存储的稳定性、性能和企业所需的数据保护特性(如异地容灾、同城双活、备份等)比另外两类玩家有很大优势,可以直接切入企业的核心业务。

VMware vSAN保卫VMware生态

过去,VMware通过“vSphere+EMC存储”的方案一统江湖,但是随着Nutanix、SMARTX等存储厂商推出支持多个计算平台的中立的超融合存储产品,以及开源Hypervisor,如KVM、Xenserver的成熟,VMware的垄断地位已经受到了严重威胁。为此,VMware也推出了相对应的存储方案vSAN来应对上述挑战。

VMware vSAN是vSphere中的一个高级特性,和VMware的集成更加紧密,相比Nutanix和SMARTX,vSAN和VMware结合使用的体验更好,同时借助于vSphere的市场份额和现有渠道,vSAN可以迅速推广,缺点在于vSAN只支持VMware自己的虚拟化方案,其产品思路仍是将用户锁定在VMware的封闭系统中,被业界诟病的“vtax”仍在延续;为和东家EMC直面竞争,vSAN仍定位于低端存储市场,性能和数据保护方面竞争力不足,限制了vSAN侵蚀市场份额。

Openstack阵营借力开源Ceph

Openstack是一套开源的云计算管理软件,是目前最受欢迎的云计算管理软件项目之一,可以为用户构建完整虚拟计算、存储、SDN网络的解决方案。为迎合超融合架构趋势,国内Openstack厂商,如99Cloud、UnitedStack等OpenStack厂商,借助于Ceph 等开源软件来搭建超融合架构的云解决方案。

Openstack阵营的核心竞争力来源于对开源项目的运维能力以及低成本的解决方案。目前 Openstack主要针对非关键业务市场,因此采用开源的Ceph可以更加有利于降低成本,但是国内Openstack厂商能力参差不齐,并不是所有的 Openstack厂商都有维护和修复Ceph问题的能力。Ceph在存储稳定性和性能上和商业存储仍然存在较大差距,限制了其争夺中高端市场的能力。

三类厂商竞争合作并存

目前,超融合架构仍在产业的早期,三类厂商最重要的任务仍然是教育市场和用户,不仅有竞争关系更有合作的巨大空间。徐文豪表示,

超融合的市场还在成长阶段,未来的盘子足够大,各个玩家之间的关系其实是竞合关系,尤其是超融合存储厂商,由于在计算平台领域是中立立场,既支持VMware,也支持OpenStack以及KVM、Hyper-V等其它架构,因此在未来与另外两大阵营之间有更多合作的可能性。


本文作者:陈琛

来源:51CTO

相关文章
|
5月前
|
数据采集 运维 数据可视化
AR 运维系统与 MES、EMA、IoT 系统的融合架构与实践
AR运维系统融合IoT、EMA、MES数据,构建“感知-分析-决策-执行”闭环。通过AR终端实现设备数据可视化,实时呈现温度、工单等信息,提升运维效率与生产可靠性。(238字)
|
5月前
|
JSON 供应链 监控
1688商品详情API技术深度解析:从接口架构到数据融合实战
1688商品详情API(item_get接口)可通过商品ID获取标题、价格、库存、SKU等核心数据,适用于价格监控、供应链管理等场景。支持JSON格式返回,需企业认证。Python示例展示如何调用接口获取商品信息。
|
5月前
|
存储 人工智能 关系型数据库
阿里云AnalyticDB for PostgreSQL 入选VLDB 2025:统一架构破局HTAP,Beam+Laser引擎赋能Data+AI融合新范式
在数据驱动与人工智能深度融合的时代,企业对数据仓库的需求早已超越“查得快”这一基础能力。面对传统数仓挑战,阿里云瑶池数据库AnalyticDB for PostgreSQL(简称ADB-PG)创新性地构建了统一架构下的Shared-Nothing与Shared-Storage双模融合体系,并自主研发Beam混合存储引擎与Laser向量化执行引擎,全面解决HTAP场景下性能、弹性、成本与实时性的矛盾。 近日,相关研究成果发表于在英国伦敦召开的数据库领域顶级会议 VLDB 2025,标志着中国自研云数仓技术再次登上国际舞台。
550 0
|
Kubernetes Cloud Native 微服务
探索云原生技术:容器化与微服务架构的融合之旅
本文将带领读者深入了解云原生技术的核心概念,特别是容器化和微服务架构如何相辅相成,共同构建现代软件系统。我们将通过实际代码示例,探讨如何在云平台上部署和管理微服务,以及如何使用容器编排工具来自动化这一过程。文章旨在为开发者和技术决策者提供实用的指导,帮助他们在云原生时代中更好地设计、部署和维护应用。
|
6月前
|
机器学习/深度学习 人工智能 Java
Java 技术支撑下 AI 与 ML 技术融合的架构设计与落地案例分析
摘要: Java与AI/ML技术的融合为智能化应用提供了强大支持。通过选用Deeplearning4j、DJL等框架解决技术适配问题,并结合Spring生态和JVM优化提升性能。在金融风控、智能制造、医疗影像等领域实现了显著效果,如审批效率提升3倍、设备停机减少41%、医疗诊断延迟降低80%。这种技术融合推动了多行业的智能化升级,展现了广阔的应用前景。
507 0
|
7月前
|
存储 边缘计算 数据处理
面向智能医疗的边缘计算与云计算融合架构的设计与实现
边缘+云混合部署架构正在为AIoT与医疗领域带来前所未有的技术变革。通过这种架构,能够实现对海量数据的实时处理和深度分析,提升业务响应速度和效率,同时在保障数据安全的基础上,优化系统的可扩展性和可靠性。随着技术的发展,边缘+云架构的应用场景将愈发广泛,未来必将在更多领域内发挥巨大的潜力。
|
11月前
|
并行计算 PyTorch 算法框架/工具
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
本文探讨了如何通过技术手段混合使用AMD与NVIDIA GPU集群以支持PyTorch分布式训练。面对CUDA与ROCm框架互操作性不足的问题,文章提出利用UCC和UCX等统一通信框架实现高效数据传输,并在异构Kubernetes集群中部署任务。通过解决轻度与强度异构环境下的挑战,如计算能力不平衡、内存容量差异及通信性能优化,文章展示了如何无需重构代码即可充分利用异构硬件资源。尽管存在RDMA验证不足、通信性能次优等局限性,但该方案为最大化GPU资源利用率、降低供应商锁定提供了可行路径。源代码已公开,供读者参考实践。
1012 3
融合AMD与NVIDIA GPU集群的MLOps:异构计算环境中的分布式训练架构实践
|
11月前
|
机器学习/深度学习 测试技术 网络架构
FANformer:融合傅里叶分析网络的大语言模型基础架构
近期大语言模型(LLM)的基准测试结果显示,OpenAI的GPT-4.5在某些关键评测中表现不如规模较小的模型,如DeepSeek-V3。这引发了对现有LLM架构扩展性的思考。研究人员提出了FANformer架构,通过将傅里叶分析网络整合到Transformer的注意力机制中,显著提升了模型性能。实验表明,FANformer在处理周期性模式和数学推理任务上表现出色,仅用较少参数和训练数据即可超越传统Transformer。这一创新为解决LLM扩展性挑战提供了新方向。
332 5
FANformer:融合傅里叶分析网络的大语言模型基础架构
|
11月前
|
运维 供应链 前端开发
中小医院云HIS系统源码,系统融合HIS与EMR功能,采用B/S架构与SaaS模式,快速交付并简化运维
这是一套专为中小医院和乡镇卫生院设计的云HIS系统源码,基于云端部署,采用B/S架构与SaaS模式,快速交付并简化运维。系统融合HIS与EMR功能,涵盖门诊挂号、预约管理、一体化电子病历、医生护士工作站、收费财务、药品进销存及统计分析等模块。技术栈包括前端Angular+Nginx,后端Java+Spring系列框架,数据库使用MySQL+MyCat。该系统实现患者管理、医嘱处理、费用结算、药品管控等核心业务全流程数字化,助力医疗机构提升效率和服务质量。
635 4
|
机器学习/深度学习 算法 数据可视化
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
本文探讨了在量化交易中结合时序特征和静态特征的混合建模方法。通过整合堆叠稀疏降噪自编码器(SSDA)和基于LSTM的自编码器(LSTM-AE),构建了一个能够全面捕捉市场动态特性的交易系统。SSDA通过降噪技术提取股票数据的鲁棒表示,LSTM-AE则专注于捕捉市场的时序依赖关系。系统采用A2C算法进行强化学习,通过多维度的奖励计算机制,实现了在可接受的风险水平下最大化收益的目标。实验结果显示,该系统在不同波动特征的股票上表现出差异化的适应能力,特别是在存在明确市场趋势的情况下,决策准确性较高。
590 5
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法