应对数据存储挑战的智能方法

快速阅读: 《The Register》消息，HPE推出新款高性能对象存储X10000，结合AMD处理器，提升数据智能与管理效率，适配AI、数据分析及数据保护等现代需求，显著优于传统方案。

对象存储曾以牺牲性能换取成本和可扩展性。如今，HPE 正通过高性能、数据智能和简单管理等功能更新这一技术，以适应现代应用场景。

当对象存储在 1990 年代末首次推出时，它解决了企业长期以来的一个难题：如何以低成本存储海量数据。这一需求至今未减，研究公司 IDC 预测，全球企业存储的数据量将从 2022 年至 2027 年以 28.2% 的复合年增长率增长。但如今，企业还需要更快地处理信息，以满足更现代的应用程序和工作负载需求。

对象存储能够扩展以管理分布式系统中的海量数据，非常适合存储多媒体文件等非结构化数据，并为这些对象存储大量元数据以实现更高层次的数据管理和检索。然而，这种大规模存储传统上伴随着性能损失。

因此，企业通常将对象存储局限于归档和大型数字资源库等低性能应用中，这些场景对检索速度要求不高。然而，随着数据分析、人工智能和现代数据保护等数据密集型应用的兴起，对高性能对象存储的需求显著增加，这种存储需要能够处理低延迟、高速的数据存储和检索。

传统的对象存储已无法跟上需求的步伐。在 2024 年 11 月，HPE 推出了搭载 AMD EPYC™ 嵌入式处理器的 HPE Alletra 存储 MP X10000，这是该公司首款自主研发的对象存储产品，也是一种全闪存解决方案。这款产品不仅提升了可扩展性和数据智能功能，还使对象存储的管理变得更加简单。

X10000 可以处理与传统对象存储相同的高容量存储应用程序，但其快速操作使其特别适合现代应用场景，包括人工智能。HPE 表示，它在支持 AI 生命周期方面表现出色，例如 IDC 估计将在 2028 年推动全球企业 219 亿美元支出的应用领域，因为它能够加速训练和推理的低延迟数据检索。

HPE 特别针对 HPE Alletra 存储 MP X10000 推出了新一代生成式人工智能（GenAI）应用程序。随着企业采用检索增强生成（RAG）的方式，将大型语言模型（LLM）技术定制为适用于自身应用程序和数据，他们需要快速检索索引的非结构化数据。

X10000 性能提升的背后驱动力是 HPE 所称的数据智能。这是一种实时过程，其中数据被扫描并摄入对象存储中。HPE 从数据中创建向量嵌入，这些是表示语义意义的数值，从而使其能够根据相似概念快速检索数据。设备将这些存储在一个向量数据库中，使大型语言模型能够将检索到的数据整合到其响应中。

数据智能使存储在 X10000 上的数据在被摄取后即可供 AI 应用程序使用。例如，HPE 展示了一个示例，其中 X10000 摄取客户支持文档，并通过本地托管版本的 DeepSeek LLM 允许用户通过自然语言提问。这种类型的应用程序是不可能通过传统的低速对象存储实现的。

X10000 的全 NVMe 存储架构有助于支持对这些索引和向量化数据的低延迟访问，避免前端缓存瓶颈。据 HPE 的基准测试显示，类似的改进使其性能比主要对象存储竞争对手快多达 6 倍。

凭借其软件定义的架构，HPE 从一开始就设计了 X10000，使其既能本地部署也能云端部署。其控制软件运行在容器化的 Kubernetes (K8s) 平台之上。X10000 是一种模块化解决方案，基于 HPE 称之为共享一切解耦架构（SEDA），计算节点和存储节点（或仅称为一堆闪存 – JBOF）独立扩展。组织可以根据自己的需求添加模块，而不是必须线性地同时扩展存储和计算。HPE 的研究表明，这种解耦架构最多可将存储成本降低 40%。

容器化架构提供了内联和带外软件服务选项，如存储资源的自动化配置和生命周期管理。它还更容易定位工作负载的数据和计算资源，通过允许工作负载就地处理数据而不是将其移动到其他计算节点来最小化数据移动。这对于低延迟应用场景（如 AI 训练和推理）来说是一个重要的性能因素。

基于容器的工作负载的另一个方面是所有工作负载都可以与同一对象存储层交互。X10000 架构原生支持 Amazon S3，这被广泛视为行业标准私有云 API。

数据分析是该市场的第三支柱，IDC 预计到 2028 年将达到 171 亿美元的市场规模。这些应用程序越来越多地依赖于数据湖，存储各种结构化和非结构化数据。X10000 的低延迟使其适合用于实时分析中越来越依赖 AI 算法的高级应用。

对数据保护有益
虽然 AI 和分析是 X10000 的强劲增长领域，但它也很可能在高速、可扩展的备份和恢复应用程序中获得显著关注。这是 HPE 的重点，该公司认为数据保护和备份存储是该设备的核心市场。其全闪存架构赋予其快速恢复和还原数据的能力，这一点随着备份数据规模的增长变得尤为重要。同时，高性能恢复有助于最大限度地减少中断对企业的影响。企业几乎无法承受数据损坏或泄露的风险，这就是为什么 X10000 包含多项旨在保障数据安全的功能。这些功能包括持续性的监控和审计以确保数据完整性，以及基于对象锁定的不可变性以防范勒索软件攻击。客户可以为静态数据和传输中的数据应用身份验证和加密选项。系统还具备纠删码功能，这在保持存储空间的同时提高了数据弹性；通过将数据副本分散到多个节点并使用奇偶校验块，客户可以在不存储完整数据副本的情况下恢复数据。这种性能提升已经在真实环境中得到了证明。

鉴于其与人工智能应用的合作以及为客户提供备份即服务（BaaS）的能力，法国技术集成商和 IT 服务提供商 AntemetA 是测试 X10000 的理想候选者。AntemetA 的预销售架构师 Jeff Charpentier 在最近的一次 HPE Discover 大会上解释说，该公司主要测试了 X10000 的数据保护和数据分析应用。前者对公司来说是一个关键应用，因为欧盟的监管环境正在发生变化。“数据保护正在不断发展。世界各地都有相关法规，例如欧洲的数字运营韧性法案（DORA），我们的客户希望加速恢复过程。”他说。

根据 Charpentier 的说法，X10000 顺利通过了公司的测试，并且表现超出预期。“我们对性能感到非常惊讶，”他继续说道，“在这个系统上，我们达到了每秒 40 千兆比特的写入速度和每秒 40 千兆比特的读取速度。”

掌握存储管理
Charpentier 同样对 X10000 的管理功能印象深刻，这些功能基于数据服务云控制台（DSCC）。该控制台与 HPE GreenLake 集成，创建了一个基于云的管理系统，使客户能够在单一界面上管理整个 HPE 存储基础设施——包括本地和云端系统如 HPE Alletra Storage MP B10000（原 GreenLake for Block）。统一管理整个 HPE Alletra Storage 系列使得从单一界面不仅更容易监控和控制结构化和非结构化数据，还能同时管理块、文件和对象存储，这是 X10000 相比传统难以管理的对象存储系统的一大优势，HPE 表示。

DSCC 使客户能够控制从基于 AI 驱动的预测分析进行性能优化到快速数据恢复的各种功能。它支持包括加密、入侵检测和详细审计在内的安全特性。它还通过自动检测、部署和新硬件组件的集成简化了上线过程。这对 Charpentier 来说意义重大，他在 Beta 测试期间遇到了组件故障。“我们为客户做维护工作，所以习惯了部件故障，”他说，“在我们的测试中，24 个闪存模块中有 1 个出现故障。HPE 只是寄送了一个模块，我们在线更换了它，服务没有中断，一切照常运行。”

最大化多个 AI 应用的性能
HPE 一直在推动行业合作，以深入的技术层面提高存储性能，实现 GPU 内存、系统内存和索引元数据存储之间的直接内存访问传输。HPE 称，这降低了延迟并减少了 CPU 占用，并且借助 HPE Alletra Storage MP 的 AMD EPYC 嵌入式 CPU 进一步增强了整体系统性能。其核心的 AMD EPYC 嵌入式处理器旨在提供可扩展的 X86 CPU 产品组合，在优化能耗配置文件下实现企业级可靠性和最佳性能。

HPE 显然瞄准了大量应用程序为目标市场，这意味着它必须为客户提供足够的灵活性来定制特定用例。公司还尝试通过订阅模式让这种可扩展性更具财务可行性。企业如何最好地利用像 X10000 这样的单元？这是一个高度可扩展的系统，但不必一开始就大规模部署。从最少三个节点开始，您可以测试假设并在管理界面获得信心后再逐步扩展，专注于存储容量、计算能力或两者的结合。这将帮助您最大程度降低总体拥有成本，避免过度配置。

对象存储不会消失。IDC 预计，到 2027 年，对象存储在本地和公有云环境中将以五年的复合年增长率 14.9% 增长。但在大规模的人工智能、数据分析和数据保护新时代，它需要重新定义。X10000 的软件定义架构和数据智能功能在提供高性能的同时，也通过简单的 HPE GreenLake 云接口统一了管理。凭借这些改进，HPE 不仅仅是在推动对象存储的小幅进步，而是让它迅速崛起。似乎它已经取得了成功，并且有客户案例予以佐证。

由惠普企业与 AMD 联合赞助。

(以上内容均由Ai生成)