專家介紹：王伯韜

24年IT行業經驗。1998年加入國際商業機器（中國）有限公司，先后在中國技術支持中心、系統和科技事業部、企業IT架構師團隊、IBM中國系統中心等部門工作。獲得IBM高級認證系統架構師(Senior Certified IT Architect)，參與過國內多家電信企業、大型公共服務機構的IT系統架構設計項目。目前擔任IBM中國科技事業部存儲團隊架構師。

真實經歷引發的思考

2022年5月2日下午12:05 我收到了以下流調短信與電話：

[北京市疾控中心提示]您好！根據市衛健委通報的新冠疫情，經流行病學調查，您與感染者存在時空交集，有感染風險。請您及時向所在社區和單位報告....

此時，發現北京健康寶已彈窗，隨后接到流調工作人員電話。

流調員：“請問您4月30日下午2點是否去過朝陽區xx商場，xx餐館”

我：“稍等我看一下……，當時沒有去過您提到的幾個地點，但是去過幾個街區之外的xx吃飯，不過有可能開車經過了您提到的地方”

流調員：“好的，那您去所在社區居委會報備，說明情況，持24小時核酸并簽署承諾書，然后可以解除彈窗。”

疫情期間當我們的身邊發現確診病例，大家都希望看到這些人的行動軌跡，如果發生了時空關聯，就會收到上面的信息和電話。目前，疫情防控已經變成了我們生活的一部分。大家都希望通過精準科學的方式找到疫情防控和正常生活的平衡點，但又談何容易。我們可以從數據流向推測和分析事件的成因。然而極致的“精準”，需要數據量足夠多，包括手機位置信息，流調人員的排查信息，現場流調信息等等。同時，數據量暴漲也是需要面對的問題。

其實，近年來各個行業的數據量都呈幾何級增長。如今，隨著傳統業務轉型，新時代業務云計算、大數據分析、人工智能等新一代應用的出現，非結構化數據并行文件存儲給各行各業帶來了諸多挑戰。

一家人工智能芯片的企業于2017年流片量產了中國首款邊緣AI芯片，2019年量產了中國首款車規級AI芯片，憑借30億美金估值成為全球估值最高的AI芯片獨角獸企業。然而，隨著企業逐漸從初創企業走向成熟，其在數據存儲、管理和調度等方面遇到了一些難題。

其中一個比較突出的問題是數據豎井。在發展初期，往往以項目方式組織資源和部署數據結構，很多項目各有數據集群，形成了一個個數據豎井，或說數據孤島。對于需要“小步快跑”的初創企業而言，這種方式無可厚非，但隨著企業規模擴大，這些相互獨立的數據豎井就會給數據管理帶來比較大的挑戰。

從更大的層面看，他們也面臨跨多云數據調度的難題。對于AI企業而言，提高模型訓練效率是至關重要的，但訓練效率的提高不僅僅依賴于計算資源，也離不開數據的及時調度。由于GPU資源分布在多個公有云上和本地，當GPU資源不斷變化時，如何讓數據也能快速地跟隨變化隨需調度，也成為企業在數據管理方面的一個核心需求。

此外，隨著數據規模的快速增長，數據管理成本也與日俱增。之前是采用算存一體的方式，計算和存儲在一個一體機上實現，隨著數據規模增長，這種方案不僅會降低計算設備運行效率，而且成本也會高企不下，因此需要性價比更高的數據存儲方案來支持企業的長遠發展。

在醫療行業，信息化起步較早，在長期的發展過程中，各業務系統都針對初始單個業務模塊的需求陸續建設了很多“煙囪工程“。此外，醫療行業對數據合規要求有其特殊性，門診電子病歷往往需要保留15年以上。數據量的增長使得存儲成本難以控制，同時管理、擴展和維護數據在線訪問的復雜性大大提高。新一代工作負載，面臨數據存儲、數據集成、數據可訪問性、應用程序數據集成等問題，無法實現現代化應用程序；環境數據分散，存儲在太多不同的地理位置，沒有數據集成，沒有通用的管理能力，數據孤島使得數據查詢和使用異常困難。這就需要一個企業級的、真正的全球共享數據湖基礎架構，更快交付洞察，底層存儲必須同時支持新時代的大數據和傳統的應用，具備安全性、可靠性和高性能。

數據管理之六大挑戰

為了應對云計算、大數據分析、人工智能等新一代應用，我們的企業往往在非結構化數據存儲中遇到諸多挑戰：

挑戰1：當前架構無法應對海量數據增長，無序擴展，存在嚴重的性能瓶頸。傳統的SAN文件系統和NAS文件系統，受限于其單個控制器的性能和元數據的處理方式，無法提供更高性能的IO訪問，NAS文件系統擴展方式是按照SAN或者NAS的控制器擴展，控制器之間不能實現并行IO操作，無法避免單機頭帶來的性能瓶頸，并因為文件目錄的名稱改變而導致應用重新定義。

挑戰2：數據孤島。企業超過50%的數據存放在離散的存儲系統中，企業環境的數據分散，存儲在太多不同的地理位置，數據孤島使得數據查詢和使用異常困難。數據量的增長使得存儲成本難以控制，同時管理、擴展和維護數據在線訪問的復雜性大大提高。

挑戰3：缺乏企業級的統一數據管理平臺。傳統的SAN文件系統和NAS文件系統本身不具備智能的、基于策略自動執行的生命周期管理，需要借助單獨的軟件或者硬件實現數據的分層和備份，導致數據管理困難。

挑戰4：無法為未來前沿技術提供有效存儲支撐。如云計算的數據需求并行存儲能夠支持多云架構，統一資源管理，數據安全和高可用。人工智能需求海量數據集存儲，大算力。大數據分析業務需求高效分析和高可用。

挑戰5：新技術帶來的潛在的基礎架構“割裂”，沒有全局的統一命名空間，難以實現數據共享和安全共享。

挑戰6：無可靠的高可用、完整性。不能統一管理和部署，提升運維復雜度。不能支持存儲異構，不同NAS機頭無法統一存儲空間。故障數據重構開銷大，對性能影響較大。

高性能ESS給出最優解

為了應對以上挑戰，IBM最新發布了基于 Spectrum Scale 的ESS3500，它包括以下特點：

1. 極致的性能和可擴展性：可以從小規模開始構建，然后逐步擴展性能和容量，無任何瓶頸，能夠提供極致的數據、元數據和閃存可擴展性。無瓶頸的架構提高了性能，從而實現極大的吞吐量和低延遲訪問。IBM ESS 3500在每個單一節點上提供1PBe，吞吐量高達91GB/秒。

2. 統一存儲，適用于集群、HDFS、文件、對象與容器環境。

3. 加速AI訓練：配合 NVIDIA DGX 系統，AI訓練時間縮短 140%。

4. 統一命名空間。實現全球協作：Spectrum Scale 通過主動文件管理分布式磁盤高速緩存技術，跨不同存儲和位置隨時隨地訪問數據，在數據中心或全球范圍內實現應用加速。

5. 數據完整性和安全性：認證、加密、安全和復制選項，用于滿足業務和法規需求。

最后，我想說的是……

各行各業的數字化難題不斷涌現，IBM伴隨很多客戶，一步步突破最新的AI和云計算的性能極限，成就了他們的創新和發展。疫情防控也一樣，不僅需要技術的支撐，也需要各方的共同努力、每個人的積極配合，希望世界早日恢復生機蓬勃。

原文標題：我們期望的 “精準”，談何容易

文章出處：【微信公眾號：IBM中國】歡迎添加關注！文章轉載請注明出處。