存储厂商NGD Systems公司副总裁Scott Shadley在一次专题访谈中，探讨了SNIA计算存储(CS)工作组自成立以来的技术进步。Scott Shadley除了担任NGD Systems副总裁的职位外，Scott还是存储网络行业协会(SNIA)的董事会成员。
标准组织推出的新技术获得“官方定义”并不多见。但要获得这样的“定义”，这项技术需要相当大的突破。因此，希望正式引入计算存储(CS)——这是一种淘汰传统计算机存储技术的存储架构，以提供一种更快、更经济、更省电的方式来存储和分析PB字节的数据。
企业存储的发展
简而言之，计算存储是一种IT架构，其中数据在存储设备级别进行处理，以减少必须在存储和计算平台之间移动的数据量。因此，该技术提供了一种更快、更高效的方法来应对数据密集型世界的独特挑战，通过减少数据移动和允许对分析的响应速度高达20到40倍来满足减少的多余带宽，并提供非常低的延迟响应时间。
如果考虑一下企业存储的发展历史，计算存储的发展速度是适当的。得益于NVMe和NVMe Over Fabrics辅助的新闪存技术，该技术的发展越来越快。当今的数据中心(包括超大规模数据中心)主要依赖于使用冯·诺依曼体系结构的基本方法构建的传统服务器硬件，冯·诺依曼体系结构适用于几乎所有通用服务器，是具有70年历史的计算机体系结构，坦率地说，这种体系结构多年来从未经历过太多的变化。
而一些新方法并没有取得太大的成功。现在有了诸如人工智能和机器学习之类的应用程序，这些应用程序需要大量的原始数据(结构化和非结构化)，这些数据需要高计算能力来“学习”，因此计算能力已成为瓶颈。在传统的横向扩展模型中，此问题通过添加节点来解决，从而获得更多的分布式计算能力和更多的内存。不幸的是，从投资成本和运营成本角度来看，添加服务器节点的成本很高。添加更多节点还增加了互连的长度，从而增加了数据移动和分析所需的时间。
计算存储这种技术可以将传感器(例如自动驾驶汽车、视频监控摄像头、交通信号灯)中的原始信息巧妙地组织为有意义的数据，因为缺乏移动性可以促进实时数据分析，从而通过减少输入来提高性能/输出瓶颈。随着人工智能、机器学习、物联网工作负载涌现出惊人的数据量(IDC公司的研究表明，到2025年，数据总量将超过163 ZB，其中95%是由物联网设备生成的)，这项新技术是真正缺失的环节。
调研机构Dimensional Research公司最近对300多位计算机存储专业人员进行的一项调查揭示了这一挑战，表明存储瓶颈可能发生在10 TB以下。这样，计算存储可以提供更强大的处理能力来辅助每个主机CPU，从而使组织可以提取其可以生成的所有数据，并仅提供真正需要的数据，从而使“管道”尽可能保持开放。这样一来，就可以收集更多分析所需的原始数据，并为组织提供仅从该数据中提取实现价值所需的自由。在比较中，当组织必须处理整个数据集时，就会延误增值。这种方法可很大程度地提高效率，减少功耗，并降低运营成本。这种“分类、转换、发送”方法使快速、全面和有意义的实时数据应用成为可能。
计算存储的官方定义只花了一年时间就制定出来了，这是一个相当迅速的过程，证明了对这种截然不同的计算机存储技术的迫切需求。一年多前，存储网络行业协会(SNIA)召开会议，研究如何围绕计算存储技术定义和制定标准。SNIA是一个非盈利组织，由198家信息技术领域的成员公司组成。经过几个月的会议和一些辩论，他们现在已经制定了官方定义：
“计算存储体系结构可通过集成计算资源(直接与存储、存储附近或主机与存储之间)集成来提高应用程序性能和/或基础设施效率。这些计算资源不在传统的计算和内存体系结构之外。
这些体系结构的目标是：启用并行计算;减少I/O流量;减轻对现有计算、内存、存储和I/O的其他限制。”
受益于计算存储的行业
当将计算存储应用于多个用例时，将变得更易于理解。要求计算存储技术强大和高效的行业示例是新型“智能”汽车和即将推出的全自动驾驶汽车，这些汽车必须处理数据负载(每天高达28TB)以进行分析，否则可能会影响驾驶员的安全性。一些设计计算存储架构的公司已经能够提供利用小型化技术的技术，该技术可以与SSD硬盘一起使用来处理数据负载。这在空间受限的边缘相关(例如汽车)中效果很好。但是，尽管外形尺寸很大，计算存储解决方案仍可以将功能提高20倍甚至更多，并且使支持人工智能的系统能够以前所未有的方式读取和分析数据。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
