今天的數(shù)據(jù)基礎(chǔ)設(shè)施，無論是在本地還是在云中，通常都基于通用的體系結(jié)構(gòu)，這些體系結(jié)構(gòu)利用預(yù)先配置的計算和存儲資源分配來滿足各種應(yīng)用程序的工作負(fù)載需求。隨著這些數(shù)據(jù)密集型應(yīng)用程序在更大范圍內(nèi)的擴展，一刀切的基礎(chǔ)設(shè)施在性能、容量和可伸縮性方面出現(xiàn)不足，難以滿足不同的應(yīng)用程序需求。因此，需要一種更新、更靈活的資源分配方法來提高業(yè)務(wù)效率。

分解計算和存儲資源的需求現(xiàn)在是IT優(yōu)先考慮的問題，這樣組織就可以節(jié)省資金并提高硬件資源的利用率。要通過優(yōu)化應(yīng)用程序部署來實現(xiàn)這些收益，關(guān)鍵的任務(wù)是使計算資源和存儲資源能夠彼此獨立地伸縮。通過抽象、配置和改進(jìn)的flash SSD管理，需要在存儲節(jié)點本身上運行的專門軟件，以充分利用組成存儲資源池的高性能和網(wǎng)絡(luò)化非易失性內(nèi)存Express (NVME™)-SSD。共享存儲資源還可以使用RESTful應(yīng)用程序編程接口(API)連接到自動化容器編排框架。

存儲軟件現(xiàn)在可以使用網(wǎng)絡(luò)協(xié)議將存儲從計算節(jié)點分離出來，而fabric上的NVME (NVME- oF™)已迅速成為首選協(xié)議。它具有流線型、高性能和低延遲，使其成為構(gòu)建更現(xiàn)代、更敏捷和更靈活的數(shù)據(jù)中心的有價值的組件。

行業(yè)的挑戰(zhàn)

現(xiàn)有數(shù)據(jù)中心通常將直接連接存儲(DAS)用于云部署，因為DAS成本低且簡單，是目前部署的最流行的存儲體系結(jié)構(gòu)。將存儲作為DAS模型的一部分嵌入到服務(wù)器中還可以提高總體性能和數(shù)據(jù)訪問。然而，DAS的權(quán)衡是，CPU和存儲資源在環(huán)境中緊密地鎖在一起，限制了通常會導(dǎo)致存儲過量供應(yīng)的容量和資源利用率，并增加了存儲開銷和總擁有成本(TCO)。

開發(fā)云基礎(chǔ)設(shè)施的數(shù)據(jù)中心架構(gòu)師必須采取額外的設(shè)計步驟來克服DAS的許多限制，比如處理服務(wù)器中未充分利用的SSD和CPU，這些CPU需要更高的存儲性能或容量。為適應(yīng)云基礎(chǔ)設(shè)施中的峰值工作負(fù)載而過度配置整個數(shù)據(jù)中心是昂貴的，并且限制了執(zhí)行彈性伸縮的能力，或者在部署時，會導(dǎo)致資源利用率不足(峰值工作負(fù)載除外)。

云中的存儲分解

由于廣泛采用了兩項關(guān)鍵技術(shù):

(1). 10/25/100千兆以太網(wǎng)(GbE)網(wǎng)絡(luò)連接和任何高性能網(wǎng)絡(luò)協(xié)議，解決IT資源分解的挑戰(zhàn)變得更容易了;

(2). 支持基于閃存的SSD在網(wǎng)絡(luò)上通信的NVME-oF規(guī)范，提供了幾乎相同的高性能、低延遲優(yōu)勢，就像基于NVME的SSD是本地附加的，或者在某些工作負(fù)載下，提供了更好的性能。

NVME- oF旨在解決與DAS體系結(jié)構(gòu)相關(guān)的低效問題，方法是將高性能NVME SSD資源從計算節(jié)點分離出來，并使它們作為網(wǎng)絡(luò)附加的共享資源跨網(wǎng)絡(luò)基礎(chǔ)設(shè)施可用。池提供了為數(shù)據(jù)中心內(nèi)的每個服務(wù)器上的每個應(yīng)用程序工作負(fù)載提供適當(dāng)數(shù)量的存儲或計算的能力。當(dāng)與自動化編制框架(如Kubernetes®和OpenStack®)集成時，在工作負(fù)載高峰期間，池從較低優(yōu)先級的應(yīng)用程序中借用計算資源。雖然這種方法類似于iSCSI等其他塊存儲技術(shù)，但是使用NVME-oF池閃存可以以更低的延遲訪問資源，供不同的主機共享。

圖1展示了一個DAS體系結(jié)構(gòu)，它使用更多的節(jié)點來獲得高計算能力和存儲容量，但是容易受到資源擱淺的影響

圖2表示了一個分解的體系結(jié)構(gòu)，它在類似于das的性能下共享快速NVME存儲，節(jié)點更少，更容易管理，也更劃算

解集的好處

從基于DAS的存儲架構(gòu)遷移到分解的，基于云的共享存儲模型(圖2)具有多種優(yōu)勢，可顯著提高CPU和SSD利用率，從而無需過度構(gòu)建或過度配置資源以滿足峰值應(yīng)用程序工作負(fù)載需求。這種存儲資源與計算服務(wù)器的分離提供了廣泛的財務(wù)，運營和性能優(yōu)勢，可以在遷移到云基礎(chǔ)架構(gòu)時保持良好狀態(tài)。改進(jìn)包括：

產(chǎn)能利用率

將存儲資源與服務(wù)器分離的能力允許為每個計算節(jié)點和每個工作負(fù)載應(yīng)用正確的容量級別，從而減少了在每個服務(wù)器中過多提供存儲的需要。

服務(wù)器利用率

隨著時間的推移，不同的應(yīng)用程序?qū)τ嬎愕男枨蟛煌?，昂貴的CPU資源可能會被擱淺。Disaggregation為使用更少的計算節(jié)點處理I/ o密集型應(yīng)用程序分配低延遲flash提供了靈活性。分解和NVME-oF的組合通過提高CPU的總體利用率、在不過度配置的情況下最大化存儲容量，以及在需要時實現(xiàn)額外的計算節(jié)點來解決擱淺的資源問題。

延遲性能

通過NVME-oF進(jìn)行分解，使延遲與直接連接的驅(qū)動器幾乎沒有區(qū)別，并將物理驅(qū)動器抽象到一個高性能池中，使flash能夠在工作負(fù)載實例之間共享。

網(wǎng)絡(luò)級機會

Disaggregation還允許創(chuàng)建更強大的web規(guī)模的云，在這些云中，可以在數(shù)據(jù)中心中使用大量的云計算資源，并根據(jù)跨特定無狀態(tài)、有狀態(tài)和批處理應(yīng)用程序的需要或服務(wù)交付策略使用和轉(zhuǎn)移這些資源。

空間、動力和冷卻要求

通過分解，資源利用率將會飆升，從而減少對更多空間、電力或冷卻需求的需求，從而減少存儲開銷和TCO。

實時VM遷移，無需移動數(shù)據(jù)

在軟件定義的數(shù)據(jù)中心中，由于各種原因(負(fù)載平衡、維護(hù)等)，虛擬機(VM)經(jīng)常需要從一個物理服務(wù)器轉(zhuǎn)移到另一個物理服務(wù)器。在分解的體系結(jié)構(gòu)中，當(dāng)虛擬機遷移到其他位置時，數(shù)據(jù)可以保留在其受保護(hù)的位置。僅僅移動虛擬機就簡化了這個過程，并且降低了對數(shù)據(jù)的風(fēng)險。

組織正在采用云架構(gòu)，以幫助最大限度地提高數(shù)據(jù)中心內(nèi)計算和存儲資源的靈活性、可伸縮性和利用率?；贒AS體系結(jié)構(gòu)的傳統(tǒng)軟件定義存儲(SDS)云模型在共享方面不如分解方法有效，導(dǎo)致計算和存儲容量利用率較低，并降低了總體經(jīng)濟(jì)性能。

當(dāng)將NVME- oF協(xié)議添加到混合協(xié)議中時，通過將高性能NVME SSD從計算節(jié)點分離出來并使它們可以在網(wǎng)絡(luò)上共享，可以更好地處理與DAS體系結(jié)構(gòu)相關(guān)的限制和低效。

最終的想法

下一代以性能為中心、對延遲敏感的應(yīng)用程序現(xiàn)在已經(jīng)成為當(dāng)今云基礎(chǔ)設(shè)施規(guī)劃和運營的一部分，這要求IT組織重新考慮他們的數(shù)據(jù)中心存儲策略。這些策略正逐漸轉(zhuǎn)向共享基礎(chǔ)設(shè)施和云編排，以便為每個應(yīng)用程序工作負(fù)載分配適當(dāng)?shù)拇鎯托阅?。因此，云中的分解存儲正在成為首選的、成本高效的模型。這場運動的核心是對基于NVME的閃存和使基于云的分解成為現(xiàn)實的NVME框架的更高需求。

關(guān)于作者：Joel Dedrick是東芝的KumoScale™共享加速存儲軟件的副總裁兼總經(jīng)理。作為一名執(zhí)行技術(shù)專家，Dedrick先生擁有超過20年的經(jīng)驗，將有前景的技術(shù)轉(zhuǎn)變?yōu)楣?，私營和初創(chuàng)公司的領(lǐng)先產(chǎn)品。他的專業(yè)領(lǐng)域包括存儲，網(wǎng)絡(luò)，半導(dǎo)體和專用計算架構(gòu)。 Dedrick擁有內(nèi)布拉斯加大學(xué)電子工程學(xué)士學(xué)位，以及南方衛(wèi)理公會大學(xué)電子工程碩士學(xué)位，主修數(shù)字信號處理(DSP)。