InServ-T级存储系统能否挑战传统存储架构?

简介:
  如今的存储界,不仅仅EMC、IBM、NetApp这些存储巨头风光无限,而且像3PAR、Data Domain、Nexsan等后起之秀也是风头十足。3PAR公司就是后起之秀中的典型代表,作为公用计算存储的领导者,3PAR公司一直致力于存储架构的改进和革新。3PAR的存储架构跟传统存储架构有何区别呢?传统存储架构的局限性在哪儿呢?3PAR的存储架构又有何优势呢?十月金秋,3PAR公司副总裁Craig Nunes先生给我们揭开了这些谜底……

传统存储架构和业务之间似乎已经陷入一种瓶颈的怪圈。当存储系统不能够满足业务需求时,就靠通过增加控制器处理能力和内存来满足业务的需求;经过一段时间后,存储系统又不能满足业务需求时,又是靠通过增加处理能力和内存来达到目的。如此循环下去,最后陷入瓶颈的怪圈。传统存储架构的局限性也促使存储厂商们去思考如何去改变存储架构,使得新存储架构在自动化、智能化和虚拟化方面的能力得到提高,从而能够更好满足当前企业业务快速发展的需求。

3PAR公司新推出的InServ-T级存储系统,就是采用全新存储架构的一款产品,它在存储架构方面究竟有何创新呢?让我们来剖析一下!

I/O处理机制的差异

3PAR存储系统和传统存储在控制器的数据处理机制方面相差很大。

3PAR与传统存储架构I/O机制对比

从传统存储系统在I/O处理机制上采用的是优先级机制。先处理大型的的IOPS之后,再处理小型的IOPs;并且数据和控制信息捆绑在一起,然后通过统一的处理器进行处理,最后再将数据分配到磁盘当中去。

3PAR的存储系统InServ-T在I/O处理机制上则没有优先级这种区分。控制信息和数据分离出来,并且都通过通道进行传输,数据通过3PAR ASIC(下面会详细介绍3PAR的架构和数据处理机制)处理后再分配到磁盘;而控制信息则通过控制信息处理器来处理和存储。

总体来看,传统存储系统在面对企业各种纷繁复杂的应用时,的确是很有可能出现I/O处理机制与业务优先级之间的矛盾。3PAR在数据处理方面能够做到混合负载,所有数据不再区分优先级,最后所有都通过3PAR ASIC来处理。下面我们就来谈谈3PAR存储系统的精华所在--3PAR Gen3 ASIC。

3PAR Gen3 ASIC--存储优化引擎

与传统的点对点或者交换机的存储架构相比,3PAR Gen3 ASIC是个将自动精简配置技术融入到硬件级的芯片。3PAR的InSpire架构通过PAR Gen3 ASIC这个存储优化引擎,可以实现卷转换的容量精简。容量精简能将传统卷中的被分配但未被试用的空间删除,从而提高容量的利用率。

3PAR Gen3 ASIC架构

从图中可以看出,传统的点对点或者交换机式的存储架构外部连接多而复杂,扩展能力会有瓶颈,并且处理数据需要考虑优先级,对业务要求性比较高。而3PAR的InSpire架构是采用集群模块化架构,所有计算模块都是在内部实现,所有计算模块都互相连接,这样既减少了外部链接,而且内部模块互联,加快了数据处理速度。

EMC们开始紧张了?

当前,影响全球经济的金融危机已经愈演愈烈。金融机构作为高端存储产品最大消费群体,也已经不得不锁紧银根,开始从新审视该如何选择合适的产品,最新消息也显示众多金融机构已经暂停了与厂商的项目谈判。这也必将影响到高端市场三大巨头EMC、IBM、HDS。

高端存储走势图

与中低端存储产品最近几年热闹非凡相比,高端产品在最近几年似乎也陷入相对沉寂的状态,只有EMC在2007年更新了他们最新的Symmetrix DMX-4高端产品,而IBM DS8000,HDS USP等高端产品这两年则没见着啥动作。大型存储巨头们在需要众多研发资金的高端产品方面似乎都开始停滞。

3PAR测试结果

不能不说金融危机对3PAR来说是一个很大的机遇,与其他产品相比,3PAR在高性能、扩展能力、无复杂性等方面已经崭露头角,在加上金融危机的影响,用户选择的目的更加明确--价钱合理、高性能、投资回报率高!所以对于那些技术领先的小厂商来说,金融危机何尝不是一种机遇!而EMC、IBM、HDS们身兼金融危机和其他有竞争力的小厂商的双重压力,似乎已经开始紧张了!

 
  作者:过客
来源:51CTO
目录
相关文章
|
2月前
|
数据采集 机器学习/深度学习 运维
量化合约系统开发架构入门
量化合约系统核心在于数据、策略、风控与执行四大模块的协同,构建从数据到决策再到执行的闭环工作流。强调可追溯、可复现与可观测性,避免常见误区如重回测轻验证、忽视数据质量或滞后风控。初学者应以MVP为起点,结合回测框架与实时风控实践,逐步迭代。详见相关入门与实战资料。
|
2月前
|
前端开发 JavaScript BI
如何开发车辆管理系统中的车务管理板块(附架构图+流程图+代码参考)
本文介绍了中小企业如何通过车务管理模块提升车辆管理效率。许多企业在管理车辆时仍依赖人工流程,导致违章处理延误、年检过期、维修费用虚高等问题频发。将这些流程数字化,可显著降低合规风险、提升维修追溯性、优化调度与资产利用率。文章详细介绍了车务管理模块的功能清单、数据模型、系统架构、API与前端设计、开发技巧与落地建议,以及实现效果与验收标准。同时提供了数据库建表SQL、后端Node.js/TypeScript代码示例与前端React表单设计参考,帮助企业快速搭建并上线系统,实现合规与成本控制的双重优化。
|
3月前
|
人工智能 监控 测试技术
告别只会写提示词:构建生产级LLM系统的完整架构图​
本文系统梳理了从提示词到生产级LLM产品的八大核心能力:提示词工程、上下文工程、微调、RAG、智能体开发、部署、优化与可观测性,助你构建可落地、可迭代的AI产品体系。
534 51
|
2月前
|
机器学习/深度学习 人工智能 缓存
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
本文提出面向边缘通用智能的多大语言模型(Multi-LLM)系统,通过协同架构、信任机制与动态编排,突破传统边缘AI的局限。融合合作、竞争与集成三种范式,结合模型压缩、分布式推理与上下文优化技术,实现高效、可靠、低延迟的边缘智能,推动复杂场景下的泛化与自主决策能力。
254 3
面向边缘通用智能的多大语言模型系统:架构、信任与编排——论文阅读
|
2月前
|
人工智能 自然语言处理 安全
AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教系统融合大语言模型、教育知识图谱、多模态交互与智能体架构,实现精准学情诊断、个性化辅导与主动教学。支持图文语音输入,本地化部署保障隐私,重构“教、学、评、辅”全链路,推动因材施教落地,助力教育数字化转型。(238字)
|
3月前
|
消息中间件 数据采集 NoSQL
秒级行情推送系统实战:从触发、采集到入库的端到端架构
本文设计了一套秒级实时行情推送系统,涵盖触发、采集、缓冲、入库与推送五层架构,结合动态代理IP、Kafka/Redis缓冲及WebSocket推送,实现金融数据低延迟、高并发处理,适用于股票、数字货币等实时行情场景。
332 3
秒级行情推送系统实战:从触发、采集到入库的端到端架构
|
2月前
|
监控 数据可视化 数据库
低代码的系统化演进:从工具逻辑到平台架构的技术解读
低代码正从开发工具演变为支撑企业架构的智能平台,融合可视化开发、AI引擎与开放生态,实现高效构建、自动化运维与跨场景协同,推动数字化转型迈向智能化、系统化新阶段。
|
2月前
|
存储 NoSQL 前端开发
【赵渝强老师】MongoDB的分布式存储架构
MongoDB分片通过将数据分布到多台服务器,实现海量数据的高效存储与读写。其架构包含路由、配置服务器和分片服务器,支持水平扩展,结合复制集保障高可用性,适用于大规模生产环境。
290 1
|
2月前
|
存储 人工智能 搜索推荐
拔俗AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教融合大语言模型、教育知识图谱、多模态感知与智能体技术,重构“教、学、评、辅”全链路。通过微调LLM、精准诊断错因、多模态交互与自主任务规划,实现个性化教学。轻量化部署与隐私保护设计保障落地安全,未来将向情感感知与教育深度协同演进。(238字)
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
拔俗AI学伴智能体系统:基于大模型与智能体架构的下一代个性化学习引擎
AI学伴智能体系统融合大模型、多模态理解与自主决策,打造具备思考能力的个性化学习伙伴。通过动态推理、长期记忆、任务规划与教学逻辑优化,实现千人千面的自适应教育,助力因材施教落地,推动教育公平与效率双提升。(238字)