冯丹教授：近数据处理新型盘框等技术创新，加速数据中心向Diskless架构演进

日前，在中国深圳举办的第20届华为全球分析师大会，长江学者特聘教授、华中科技大学计算机科学与技术学院院长冯丹对数据中心Diskless架构及近数据处理发展趋势做出了权威解读，为传统云存储、大数据等计算域和存储域不完全分离造成的资源浪费，提出了一个新的技术解决方向，帮助云和互联网数据中心降本增效，实现数据中心高质量演进。

冯丹教授提到，传统存算融合架构下，企业通常采用应用与本地盘耦合的服务器一体化架构，存在存力效率低、无效数据迁移、资源浪费等典型问题：

1. 计算域和存储域未彻底分离，仍各自存在独立的本地存储，往往按照最大容量预设配置，存力利用率低；

2. 采用通用算力进行数据处理，IO效率低，存储域仍以CPU为中心，存取性能无法充分发挥；

3. 数据从盘到计算域CPU,需要8次以上数据搬迁，无效搬迁带来了网络和算力资源的浪费；

4. 在存算融合的上千节点大规模集群中，算力、容量空间配比无法均衡，扩容时需要额外迁移数据，不仅带来现有业务风险，还会浪费投资；

5. 数据爆发增长，面向结构化数据的数据缩减策略不完全适用于非结构化场景。

随着算力多样化、高性能网络和存储介质的发展，数据中心架构从以CPU中心朝着以数据为中心的Diskless架构演进。Diskless架构下，单一CPU算力发展到GPU、DPU、XPU等多样算力，算力效率得以充分发挥；网络从IP、NOF发展到高通量的CXL，为算力和存力等硬件解耦奠定了基础；存力也从传统HDD到SSD，性能、功耗实现全面提升。在Intel、华为、KIOXIA、阿里云等业界芯片、存储、云和互联网厂商的积极推进下，Diskless架构借助专用DPU/IPU等数据处理芯片和OceanDisk等专用存储模块，进一步提升数据处理和存储的效能，充分调动数据中心资源。

冯丹教授表示，资源池化共享的Diskless架构应具备以下关键技术：

1. 网存协同，DPU硬件卸载加速，数据高效协同处理。通过DPU等专有数据处理模块，使服务器CPU全为应用服务，基础设施与应用任务解耦，将VirtIO、NVMe-oF等CPU计算效率低任务转移到DPU的专用加速器执行，实现资源弹性扩展。

2. 数控分离+IO直通，实现控制流与IO流分离，IO直通到存储介质，进一步提升存储效率。通过数控分离，可达到极致IO访问时延，通过存储域IO读写数据流与IO控制处理的分离，使得读写IO直通到存储介质中，减少IO处理路径，降低处理复杂度，极大提升存储域访问性能。计算域则可以借助DPU bypass CPU，减少数据拷贝开销，提升IO访问性能。

3. 盘控协同，盘芯片与控制器芯片配合，提升集成度，达到最佳成本和能耗。盘控协同技术的关键是要实现高性能、低成本的大盘，通过硬件对盘控系统内的算法进行加速，比如利用FPGA实现FTL/DIF/在线压缩/加密/EC/GC等硬化，提升性能；盘内和框内的各类驱动和缓存层合一，实现盘框一体，构建极致成本和能耗的大盘存储。

4. 算子卸载，EC、数据缩减等算法通过硬件卸载到存储端，实现近数据处理。通过计算语义的卸载，存储直出语义接口，主机侧软件栈打薄，减少80%的IO交互次数，实现对整系统的CPU和网络带宽节省。同时，在大数据/数据仓库场景，可以利用引擎的下推接口，下推谓词和投影等运算操作到存储资源池，减少无效数据的搬移。

冯丹教授表示：“从技术趋势来看，高性能异构算力、高速网络、大存力新型盘框、算子卸载等技术的发展，带来了数据中心架构的变革，加速了以CPU为中心的耦合架构走向彻底存算分离、资源池化共享的以数据为中心的Diskless架构，这种架构进一步简化了数据中心基础设施构建，能够实现存力和算力资源的集约高效发展，已经成为大规模数据中心发展的重要技术趋势。”

极客网了解到，华为去年发布的OceanDisk智能盘框产品，就是一个标准的大存力新型盘框产品。

· OceanDisk通过NoF+高速网络连接Diskless服务器，实现计算和存储独立弹性扩展，帮助客户提高资源利用率，机柜空间和设备功耗分别降低40%；

· 内置FlashLink® 智能盘框协同算法等软硬结合技术，带来最大250万IOPS，50GB/s带宽的高性能；

· 依托华为多年存储研发实力，OceanDisk智能盘框提供硬盘亚健康管理、智能慢盘优化等技术，保持大规模数据中心10万级硬盘的性能稳定，大幅降低运维难度。

OceanDisk作为业界首个面向Diskless架构的新型盘框，将以高性能、高可靠、绿色集约重新定义下一代云和互联网数据中心存储架构。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。