構(gòu)建高性能計算HPC（High Performance Computing）集群可提升業(yè)務(wù)的運算速度（使其達到每秒萬億次級的計算速度），因此HPC被應(yīng)用于解決大規(guī)?？茖W問題的計算和海量數(shù)據(jù)的處理，其中就包括科學研究、氣象預報、計算模擬、軍事研究、生物制藥、基因測序等。為保障文件、對象、大數(shù)據(jù)等多種格式數(shù)據(jù)，在HPC場景下，進行統(tǒng)一存儲性能的高要求，這無疑是對傳統(tǒng)數(shù)據(jù)存儲方式發(fā)起了存儲重構(gòu)挑戰(zhàn)。

?

目前HPC應(yīng)用正從過去的傳統(tǒng)科研領(lǐng)域計算密集型，逐漸向新興的大數(shù)據(jù)、人工智能以及深度學習等方向進行融合和演進。繼而，數(shù)字時代無論是智能制造、智慧醫(yī)療、智慧城市、智能家居，HPC都將成為核心技術(shù)。特別是近兩年備受關(guān)注的人工智能領(lǐng)域，如自動駕駛汽車、無人機、人臉識別、醫(yī)療診斷以及金融分析和商業(yè)決策等，其核心是大數(shù)據(jù)支持，HPC成為人工智能模型訓練的重要支撐平臺。

HPC通過極快的處理速度，獲取大量數(shù)據(jù)進行復雜的運算，實現(xiàn)數(shù)據(jù)即時分析，達到快速決策的目標。因此，HPC集群對于存儲有著較高的性能要求，保證來自多個HPC服務(wù)器密集而多樣的分析行為。

同時，由于未分析的原始數(shù)據(jù)會越積越多，并且未來還會有更多的數(shù)據(jù)需要研究/處理，因此容量和擴展性也是重要的考慮因素。HPC的總體數(shù)據(jù)最終會達到PB級別，需要超大的存儲容量才能完成歸檔。

在多樣化的HPC場景下，日均產(chǎn)生的三維數(shù)據(jù)可達幾百TB甚至PB級，因此，對存儲性能有著更高的要求。在海量數(shù)據(jù)的處理過程中，一次數(shù)據(jù)處理需要經(jīng)過文件、對象、大數(shù)據(jù)等多種格式的數(shù)據(jù)處理，這無疑是對傳統(tǒng)數(shù)據(jù)存儲方式發(fā)起了巨大的重構(gòu)挑戰(zhàn)。就“自動駕駛”、“石油勘探”場景為例，數(shù)據(jù)采集的原始數(shù)據(jù)是NFS格式，需要先轉(zhuǎn)換為HDFS格式，才能利用大數(shù)據(jù)系統(tǒng)對數(shù)據(jù)進行預處理，最終將數(shù)據(jù)轉(zhuǎn)換為NFS格式導入進人工智能訓練集群及演練仿真集群 ，對數(shù)據(jù)進行深度挖掘，進一步調(diào)整自動駕駛策略。

在整個數(shù)據(jù)處理閉環(huán)中，數(shù)據(jù)轉(zhuǎn)換格式的時間占全過程的35%以上，如何提升多樣性格式數(shù)據(jù)的處理效率，逐漸成為存儲領(lǐng)域新型技術(shù)的主流趨勢。傳統(tǒng)存儲廠商仍通過共享硬件資源池，在一套硬件集群上劃分出多了獨立的邏輯資源池，分別部署對象、塊、文件系統(tǒng)的存儲池，實現(xiàn)硬件集群多樣化格式的共享存儲。但在該資源池中，每一個邏輯資源池僅僅只會支持一種訪問協(xié)議，對于跨協(xié)議訪問時，仍需要先行拷貝原格式的原始數(shù)據(jù)，再將其進行數(shù)據(jù)格式轉(zhuǎn)換，實現(xiàn)不同格式之間的數(shù)據(jù)相互轉(zhuǎn)換及交互。

在數(shù)據(jù)處理的過程中，數(shù)據(jù)拷貝產(chǎn)生的冗余副本不僅占用數(shù)據(jù)的存儲空間，同時在數(shù)據(jù)格式轉(zhuǎn)化的過程中，將會產(chǎn)生大量的數(shù)據(jù)丟失。因此，傳統(tǒng)的共享硬件資源池，僅能提高硬件資源的利用率，無法滿足格式差異化要求及數(shù)據(jù)處理效率，以滿足日均PB級的數(shù)據(jù)存儲需求。

? 共享硬件資源池，存儲多個邏輯資源池

? 頻繁跨協(xié)議訪問，無法滿足數(shù)據(jù)格式差異化處理效率

? 產(chǎn)生的冗余副本占用大量的存儲空間

? 語義翻譯過程中，存在數(shù)據(jù)丟失

柏科數(shù)據(jù)ISCloud分布式存儲可采用多種協(xié)議互通技術(shù)，重構(gòu)底層邏輯架構(gòu)，部署統(tǒng)一的增值服務(wù)，語義抽象層，對多格式的非結(jié)構(gòu)化數(shù)據(jù)進行統(tǒng)一管理，實現(xiàn)真正意義上的協(xié)議互通特性，來解決HPC場景下數(shù)據(jù)結(jié)構(gòu)多樣化的處理效率，滿足日均PB級的數(shù)據(jù)存儲需求。

? 提供統(tǒng)一的原生語義，保障語義無損

柏科數(shù)據(jù)ISCloud分布式存儲采用多種協(xié)議互通技術(shù)，在設(shè)計的過程中進一步重構(gòu)底層邏輯架構(gòu)，部署語義抽象層，面對多樣化結(jié)構(gòu)數(shù)據(jù)提供適合文件、對象、塊及大數(shù)據(jù)的原生語義。通過原生的語義層可進一步簡化格式處理流程，打通語法上的缺失和限制。在頻繁跨協(xié)議訪問場景下，在底層的語義層直接對原數(shù)據(jù)進行格式預處理，滿足PB級數(shù)據(jù)格式差異化處理效率。

? 實現(xiàn)真正意義上的資源空間利用及性能保障

在柏科數(shù)據(jù)ISCloud分布式存儲中，通過部署原生的語義層可進一步簡化格式處理流程，去除原傳統(tǒng)的共享硬件資源池中，數(shù)據(jù)拷貝產(chǎn)生的冗余副本，在底層邏輯上對原多樣化格式數(shù)據(jù)處理。將原本復雜的多樣化格式轉(zhuǎn)化流程，簡化成與單一協(xié)議完全一樣的數(shù)據(jù)訪問路徑，實現(xiàn)不同格式之間的數(shù)據(jù)相互轉(zhuǎn)換及交互，實現(xiàn)真正意義上的資源空間利用及性能保障。

fqj