商业 要闻 产经 房产 金融 银行 基金 保险 数码 智能 汽车 娱乐 时尚 生活 健康

深度解析 | 柏科数据ISCloud分布式存储系统,多协议互通特性(一)

2021-08-02 15:44:37 来源:钥城网
分享: 微信 微博

构建高能计算HPC(High Performance Computing)集群可提升业务的运算速度(使其达到每秒万亿次级的计算速度),因此HPC被应用于解决大规模科学问题的计算和海量数据的处理,其中就包括科学研究、气象预报、计算模拟、军事研究、生物制药、基因测序等。为保障文件、对象、大数据等多种格式数据,在HPC场景下,进行统一存储能的高要求,这无疑是对传统数据存储方式发起了存储重构挑战。

目前HPC应用正从过去的传统科研领域计算密集型,逐渐向新兴的大数据、人工智能以及深度学等方向进行融合和演进。继而,数字时代无论是智能制造、智慧医疗、智慧城市、智能家居,HPC都将成为核心技术。特别是两年备受关注的人工智能领域,如自动驾驶汽车、无人机、人脸识别、医疗诊断以及金融分析和商业决策等,其核心是大数据支持,HPC成为人工智能模型训练的重要支撑台。

HPC通过极快的处理速度,获取大量数据进行复杂的运算,实现数据即时分析,达到快速决策的目标。因此,HPC集群对于存储有着较高的能要求,保证来自多个HPC服务器密集而多样的分析行为。

同时,由于未分析的原始数据会越积越多,并且未来还会有更多的数据需要研究/处理,因此容量和扩展也是重要的考虑因素。HPC的总体数据最终会达到PB级别,需要超大的存储容量才能完成归档。

在多样化的HPC场景下,日均产生的三维数据可达几百TB甚至PB级,因此,对存储能有着更高的要求。在海量数据的处理过程中,一次数据处理需要经过文件、对象、大数据等多种格式的数据处理,这无疑是对传统数据存储方式发起了巨大的重构挑战。就“自动驾驶”、“石油勘探”场景为例,数据采集的原始数据是NFS格式,需要先转换为HDFS格式,才能利用大数据系统对数据进行预处理,最终将数据转换为NFS格式导入进人工智能训练集群及演练仿真集群 ,对数据进行深度挖掘,进一步调整自动驾驶策略。

在整个数据处理闭环中,数据转换格式的时间占全过程的35%以上,如何提升多样格式数据的处理效率,逐渐成为存储领域新型技术的主流趋势。传统存储厂商仍通过共享硬件资源池,在一套硬件集群上划分出多了独立的逻辑资源池,分别部署对象、块、文件系统的存储池,实现硬件集群多样化格式的共享存储。但在该资源池中,每一个逻辑资源池仅仅只会支持一种访问协议,对于跨协议访问时,仍需要先行拷贝原格式的原始数据,再将其进行数据格式转换,实现不同格式之间的数据相互转换及交互。

在数据处理的过程中,数据拷贝产生的冗余副本不仅占用数据的存储空间,同时在数据格式转化的过程中,将会产生大量的数据丢失。因此,传统的共享硬件资源池,仅能提高硬件资源的利用率,无法满足格式差异化要求及数据处理效率,以满足日均PB级的数据存储需求。

⦁ 共享硬件资源池,存储多个逻辑资源池

⦁ 频繁跨协议访问,无法满足数据格式差异化处理效率

⦁ 产生的冗余副本占用大量的存储空间

⦁ 语义翻译过程中,存在数据丢失

柏科数据ISCloud分布式存储可采用多种协议互通技术,重构底层逻辑架构,部署统一的增值服务,语义抽象层,对多格式的非结构化数据进行统一管理,实现真正意义上的协议互通特,来解决HPC场景下数据结构多样化的处理效率,满足日均PB级的数据存储需求。

⦁ 提供统一的原生语义,保障语义无损

柏科数据ISCloud分布式存储采用多种协议互通技术,在设计的过程中进一步重构底层逻辑架构,部署语义抽象层,面对多样化结构数据提供适合文件、对象、块及大数据的原生语义。通过原生的语义层可进一步简化格式处理流程,打通语法上的缺失和限制。在频繁跨协议访问场景下,在底层的语义层直接对原数据进行格式预处理,满足PB级数据格式差异化处理效率。

⦁ 实现真正意义上的资源空间利用及能保障

在柏科数据ISCloud分布式存储中,通过部署原生的语义层可进一步简化格式处理流程,去除原传统的共享硬件资源池中,数据拷贝产生的冗余副本,在底层逻辑上对原多样化格式数据处理。将原本复杂的多样化格式转化流程,简化成与单一协议完全一样的数据访问路径,实现不同格式之间的数据相互转换及交互,实现真正意义上的资源空间利用及能保障。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。

相关文章

互通

协议

特性

热门文章

热点排行

猜你喜欢