需求为上 软件定义存储将改变游戏规则

简介:

Strata+Hadoop World是世界最大的大数据盛会,参会者带来了业界最领先的技术和解决方案与大家进行分享,而笔者在会后的采访中也了解到包括Cloudera、Intel以及诸多的行业用户都在关注软件定义存储,来自多方面的挑战让SDS快速走进了我们的视野。
软件定义存储是指通过软件对存储设备进行定义,并能够根据用户需求分配这些存储资源,软件定义存储是大数据时代下不可缺少的一部分,其以虚拟化为基础,但又超脱了虚拟化范围。


软件定义的存储和软件定义的计算已经在一些先进的互联网企业中应用,例如谷歌和亚马逊。然而,在很多情况下,软件定义的存储是专为特定的工作负载开发,更加适合应用在负载要求更加复杂的大数据领域。

软件定义存储帮用户面对大数据挑战


那么,软件定义存储都有哪些特点呢?存储资源池化IT基础设施的利用率不足早已为投资者所诟病,未来存储投资需借助虚拟化技术将数据中心里的所有存储物理设备转化为统一、虚拟、共享的存储资源池。这种资源池的建设可以涵盖各类存储产品,既有当前广泛应用的SAN/NAS,也包括正在普及的闪存应用。同时,这池化也应对厂商透明,可以忽略设备来自不同厂商。


数据控制与管理的解耦与率先提出的软件定义网络实现类似,存储设备也应当把存储的控制与管理从屋里设备中抽象与分离出来,即将存储的控制平面与管理平面解耦。让数据控制策略无关乎具体物理设备,解除厂商对用户的IT投资锁定效应。


IBM软件定义解决方案大中华区销售经理周立旸在接受本站记者采访时表示:长期以来,IBM都致力于为企业提供领先的软件定义基础架构方案,帮助客户提升数据分析及业务处理能力。以花旗银行为例,通过采用IBM的软件定义存储产品,银行的分析型应用的效率提升了100多倍,在执行层面获得了上百倍的提升。基于IBM光谱存储家族软件定义存储,能够实现软件定义的平台,为企业的数字化转型找到更多的价值点,也找到新的应用。

软件定义存储可有效简化管理,IBM已经“先发制人”


目前,在云计算的大形势之下新应用需要云交付或部署,云存储需求正在不断增长。这就要求以新的方式,通过在现有存储硬件之上的一层软件去管理数据,从而驱动创新。Gartner预测,到2019年,70%的现有存储阵列产品也将提供“仅限软件”的版本。面对大潮汹涌的软件定义市场,作为业界翘楚的IBM也是最早一批布局该市场的公司,Spectrum Storage的推出能够让以服务、设备或软件等任何形式来交付。


目前,IBM把存储软件技术统一化归到Spectrum Storage下,在一定程度上也因为统一而做到了简化。Spectrum Storage (光谱存储)是一套全新智能资源与工作负载管理软件,其功能不仅仅是存储、管理海量的数据,同时还能够让这些数据真正产生价值,还是要对它进行有效应用和分析。


IBM光谱存储能够帮助客户实现向混合云业务模式的转变。通过光谱存储,客户可方便地从单一操作面板随时随地随需地管理数据。该软件可以帮助客户在合适的时间把数据迁移到合适的位置,从能够快速访问的闪存迁移至磁带和云端,以获取最低成本。

面对复杂应用,还要看软件定义存储


IBM光谱存储的诞生就是为了给客户解决问题,除了传统意义上提升成本效益之外,光谱存储还可提升对IT管理员的管理能力。比如:软件定义存储适用于数据库、电子邮件和 ERP 系统等传统工作任务以及分析、移动、大数据、云和认知业务等工作负载;主数据以及备份或存档复本所需功能;通过模块、文件和项目协议进行访问;在传统SAN存储架构上运行,也适用于采用大存储量服务器的更新扩展架构;所有功能均采用统一界面和术语进行完美整合。


IBM Spectrum Accelerate是IBM新软件定义存储SDS系列产品中推出的第一个产品,结合了XIV的高性能,无I/O热点,易管理,易维护,可计划性扩展等优势,并附加了XIV的各种企业级功能。目前全球运行XIV软件的服务器已达10万台服务器,并且可以和IBM的云计算管理服务云SoftLayer的IaaS架构无缝集成。

面对激烈的竞争,越来越多的行业用户开始部署数个甚至数十个应用,而对于传统存储来讲这样的复杂程度将给管理带来“灭顶之灾”。而软件定义存储的出现则从根本上解决了这些问题,游戏规则因此而变,这也正是新技术力量的充分体现!

  
作者:云中子
来源:51CTO
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6