融合两种主流架构 宏杉发布CloudSAN

简介:

2016年3月30日,杭州宏杉科技有限公司在京正式发布了CloudSAN解决方案。作为全球存储领域中少数具有从低端到高端全系列产品及解决方案研发能力的高科技企业,宏杉科技此次发布的新方案一举打破传统阵列存储和分布式存储的界线,为企业级云计算提供了最佳存储环境和基础。

全面融合阵列式与分布式存储优势 CloudSAN推动存储进入新时代

随着云计算在全球范围内的高速发展,特别是“互联网+”在行业应用的深入融合,行业及企业用户迫切需要高性能、高可靠、高可用,同时兼具资源弹性、横向可扩展能力的存储系统。传统阵列存储可以满足前者,但横向扩展能力差,并且价格相对昂贵;与之相比,分布式存储具备横向扩展、弹性部署的能力,但也存在着单节点可靠性低、数据一致性差、IO延迟大、空间浪费和能耗大等问题,没有办法支撑企业级业务高可靠性的需求。“鱼与熊掌无法兼得”,在过去五年中,各个厂商一直在苦苦探索问题的解决方案。

宏杉科技总裁李治指出:“传统存储阵列与分布式存储各有优缺点,企业往往要面临艰难的选择。怎样结合这两种架构的优势,形成一种两全其美的解决方案呢? 2016年,我们找到了CloudSAN这一创新的解决之道,以全面融合这两种存储架构的优势。”

【宏杉科技总裁李治】

宏杉科技CloudSAN源于宏杉存储互联的技术思想,由多种SAN存储节点组成(节点可以是多控引擎、双控引擎、存储服务器、全闪存阵列等各种类型的存储设备),并成功地将云架构和SAN存储技术融合为一体,从而满足了从单一应用到多应用,小规模到大规模,存储资源池化的存储需求,在保留了传统SAN存储高可用性优势的同时,实现了存储资源统一调度,资源横向弹性扩展,开创了存储架构的历史。

云架构与SAN存储的融合 CloudSAN通过三步构建创新的核心架构

【CloudSAN体系架构】

CloudSAN顾名思义,是云架构和SAN存储技术的融合。通过三个关键步骤,构建起CloudSAN的核心架构。

第一个步骤:在SAN存储节点后端,使用高性能低延迟40G/100G RDMA网络技术,构建存储第二网,称之为存储交换域网XAN(eXchange Area Network,存储交换域网)。

第二个步骤:建立SAN全局资源表,同步到每个存储节点。采用全局地址共享、全局资源访问机制,任何服务器通过任何存储节点和XAN,均能够访问到任意节点上的存储资源。

第三个步骤:根据每个节点的容量、性能、可靠性服务级别,CloudSAN实时监控应用需求变化,通过多副本、节点数据分层技术,为不同应用提供不同级别的数据访问服务,称之为存储QoS。

多维扩展与异构化存储 CloudSAN展现巨大优势

采用CloudSAN系统,在传统存储架构不变的前提下,企业级用户很容易构建具有横向可扩展能力的高可靠云计算系统。与现有方案相比,新的方案具有如下的特点:

高速存储互联通道:基于低延迟的10/40/100GE,配合RDMA、ISER技术,在各存储节点间构建高速内部数据传输与通信网络,实现内部数据的高效传输;低延迟100GE技术将提供比肩PCIe3.0、Infiniband的传输速度;高速以太网使存储设备间的传输通道不再是瓶颈,在此基础上构建存储互联架构。

全局资源访问:基于全局地址表,所有应用可以同时“看到”CloudSAN所有存储节点上的LUN;任意服务器可以通过任一存储控制器访问任一存储LUN;多条路径之间可实现负载均衡访问。

智能QoS:根据业务的不同要求,对数据位置和访问路径进行动态调整,实现透明数据迁移;对访问频繁的存储节点,智能进行数据迁移,实现全局负载均衡;对读取访问频繁数据,智能增加多副本,大幅提升并发读性能。

与市场现有分布式存储方案不同,CloudSAN系统可以充分利用企业现有的存储资源,从而实现了与传统企业级应用的无缝对接,赋予了传统存储崭新的业务能力。

多维扩展能力:存储节点可同时支持闪存、高速SAS、低速SAS、SATA,可支持全闪存阵列、高、中、低端各种存储;节点间可支持Scale-Out横向扩展,最大支持512节点;单节点内可支持Scale-UP纵向扩展,可支持上千块硬盘。可靠性方面,借助CloudSAN解决方案可以实现从单点设备到多点设备的可靠性扩展,通过镜像、复制、双活解决方案的支持;随着节点设备增加,还可以实现两地三中心,数据中心多活存储的数据保护,可以支持EB数量级的数据存储。

兼容异构存储:存储节点自带存储虚拟化特性,可将主流厂家、主流品牌的存储阵列虚拟化,纳入CloudSAN统一体系;形成开放式架构,保护用户已有的存储投资,未来的扩展也不受单一厂家品牌的限制。

全面支持CloudSAN 宏杉科技产品全线升级

配合CloudSAN解决方案的发布,宏杉科技进行了全线存储产品升级,发布了MS7000AF(全闪存)、MS3000G2、MS2500G2等多款存储新产品,并对原有的MS7000、MS5000等系列产品进行了升级。新的产品既可以单独使用,同时也可以通过配套XAN网络,升级为CloudSAN解决方案,同时支持Scale-out、Scale-up两种存储资源扩展方式,实现存储容量、可靠性、性能的三维线性增长。目前,CloudSAN能够提供上限512个节点的支持,可以实现和上亿次IO访问的性能。

专注在存储领域不断探索和研发的宏杉科技通过多年的积累,深谙用户的需求和存储技术的发展,推出了将云计算和SAN融为一体的CloudSAN存储系统,通过跨设备、跨介质、跨站点甚至跨应用构建存储互联架构,以全局化、高性能、高可靠、低延迟建立统一存储资源池,并实现了数据管理的统一化、平台化、透明化和应用驱动,重新定义了新经济环境下的存储。

  
作 者:佚名
来源:51CTO
目录
相关文章
|
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)
|
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。
792 59
|
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。
|
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。
1551 1
|
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。
872 0
|
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。
|
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。
1730 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
|
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。
593 5
FANformer:融合傅里叶分析网络的大语言模型基础架构
|
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。
1043 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。
888 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