希捷CORVAULT:既是空间革命也是效率革命

简介: 希捷CORVAULT:既是空间革命也是效率革命

在云的支撑下,电商、外卖、打车改变了我们日常的生活节奏;高性能计算的应用,让我们不仅能预测恶劣的天气还可以仰望星空探索宇宙;制造业的横排的机械手臂替代了人力,医疗大数据让部分癌症的治愈成为可能……

数字化正在改变整个世界,而数字世界的底层,则是庞大的不断产生、汇集、运算的数据。随着产业数字化转型的加速,数据已成为重要的新型生产要素,未来的场景将会以数据为驱动,而这些数据的价值挖掘,必须依赖大量的存储系统。根据预测,2025年全球数据量将接近180ZB。希捷赞助、IDC调研的《数据新视界》发现,企业仅采集了56%的可用数据。而在这56%的捕获数据中,企业也只是利用了其中的57%。这意味着只有32%的企业数据被激活,而高达68%的企业数据没有得到利用。而行业数字化转型的成熟度一定程度上还将依赖数据链条的完整性,因此大容量存储系统的发展将决定数字化的深浅度。


这也是希捷之所以用六年时间研发并推出Exos CORVAULT大容量智能存储系统的原因。

01 空间革命

今年2月,“东数西算”工程正式全面启动。“东数西算”是指通过构建新型算力网络体系,把东部算力需求以及大量生产生活数据输送到西部地区进行存储、计算、反馈,并在西部地区建立国家算力枢纽节点。其实和“南水北调”和“西气东输”相似,“东数西算”的本质还是解决我国某些资源供给区域与需求区域不平衡。换言之就是将东部沿海区域的数据计算需求,交由西部内陆区域的数据中心去处理,驱动的关键还是成本。寸土寸金的数据中心当中,一个核心关键词就是:空间。在同样一块物理空间内,承载的计算和存储能力越多,数据中心的效率就越高,所承载的数字经济价值也就更高。我们知道,数据中心的设计标准化程度很高,在固定空间里,服务器的零组件之间的协同关系早已确立,通常存储容量增加,设备的数量就会增加,盲目压榨空间又会直接影响运转,既要数据量的增加,还要跑得稳,这就需要在存储的核心技术上做文章。因此,在固定的单位面积内获得存储密度的最大化,一直是每家存储系统服务商的追求。


6年前,希捷内部就意识到高密度存储的发展趋势,并将一个研发项目命名为:“超级盘”。其目的就是要将整个机箱像单个磁盘一样提供给客户,这就是CORVAULT产品的由来。“vault是仓库的意思,我们这样命名,就是希望这个盒子像一个磁盘。”希捷科技中国区高级技术经理戴小勇说。据介绍,CORVAULT基于希捷Exos 4U 106硬件平台构建,整体方案提供99.999%的高可靠性,确保持续的高可用性。机箱经过精心调整,可防止振动和声学干扰、热量和电源异常,最大限度提高硬盘性能。4U的存储密度惊人,可在仅7英寸的机架空间中容纳106块硬盘,提供高达2.1PB的裸容量,目前支持X18及以上的硬盘混搭,不需要采用完全一样的容量规格。从空间架构的角度,4U106的密度基本上已经是一个极限。对于互联网企业等对高密度存储有明确需求的企业,它绝对是一个非常好的选择。


02 效率革命

如果说CORVAULT的开发目标是让一整个机箱像是一块磁盘。那么,除了高密度之外,我们不难理解,这种设计元素本身代表了一种效率。从2021年的大容量硬盘的市场反应来看,4T和8T硬盘出现过几次缺货,大容量硬盘之所以没有迅速占领主流市场的原因之一,就是其运维的难度。通常,很多企业普遍依赖于RAID技术的存储系统,由于RAID重建的时间比较长,容易引起二次故障,导致运维效率低下。因此,企业对于大容量硬盘的接受度并不高。


而CORVAULT一方面具备了自我修复的功能。尤其在保证数据继续在线的情况下,做到自我修复。“希捷通过系统技术加上磁盘本身firmware固件里特别的功能,才有了我们ADR硬盘自主恢复功能能够提交给客户的这些可用性。”另一方面CORVAULT也具备了数据保护技术。有些人可能会说,传统的RAID也可以做这一点。但传统的RAID要替掉一个盘,数据传输的过程也非常长。而CORVAULT的数据保护技术,能快速把这个“问题盘”从组里替掉,修复完再快速把盘加回组里面,这个过程在应用端是无感的。这就是CORVAULT硬盘自主恢复功能(ADR)技术的优势:支持即时自我纠正,无需手动更换,便可原位更新硬盘。正是这些智能化的技术与大容量硬盘技术相配合,让CORVAULT将一整个系统的运维,变得像一块磁盘一样简单,大幅提高了效率。因此,在互联网的场景、HPC场景、媒体娱乐场景和部分归档场景中都可以成为最佳的选择。


03 需求驱动

毫无疑问,CORVAULT的诞生本身就代表了用户需求驱动。调查数据显示:从2019-2024年,HDD存储的复合年均增长率达到了27%。这意味着客户对大容量存储的需求是稳中有升的。

当然,希捷此前也有JBOD Exos 4U 106可以满足大容量存储的需求,但是CORVAULT的推出,可以让更多用户以更低的门槛用上大容量存储,并且是在较高的运维效率前提下使用,这种体验的提升不可谓不大。

另一个对客户需求的牵引在于低碳。我们知道中国发布了双碳计划,每一家企业都必须走到降碳的路径中。由于CORVAULT的ADR技术存在,使其在高压使用环境下,它也能获得峰值状态下的硬盘性能和耐用性,最大限度提升数据密度,减少电子垃圾,这对企业来说也是一种降碳之举。

总体而言,在数据成为生产元素的当下,数据中心成为千行百业数字化转型“底座”的时代,CORVAULT作为同时满足了空间和效率两大要求的大容量存储,必然将引领新的存储潮流。

相关文章
|
8月前
|
机器学习/深度学习 人工智能 弹性计算
数字产科平台构建方案
数字产科平台构建方案:基于云计算与国产化技术,集成AI、物联网与RPA,实现孕产妇全周期智能管理。涵盖自助建档、高危预警、远程监护、智能宣教等功能。
287 3
|
存储 运维 监控
阿里云物联网平台高级功能之固件升级
OTA(Over-the-Air Technology)即空中下载技术。阿里云物联网平台支持通过OTA方式进行设备固件升级。本文以MQTT协议下的固件升级为例,介绍OTA固件升级流程、数据流转使用的Topic和数据格式。本文使用MQTT.fx客户端模拟设备,进行固件升级流程的操作演示。
3587 0
阿里云物联网平台高级功能之固件升级
|
6月前
|
数据可视化 数据挖掘 Java
基于大数据的短视频流量数据分析与可视化
本文探讨短视频流量数据分析与可视化管理系统的研究背景、意义及现状,分析其在现代信息化管理中的重要性。针对传统管理模式效率低、监管缺失等问题,结合Java、Hadoop、Scrapy、MySQL和SpringBoot等技术,设计并实现一套高效、智能的系统方案,推动短视频行业管理向网络化、智能化转型。
|
10月前
|
机器学习/深度学习 算法 搜索推荐
淘宝商品图片搜索API响应数据解析
淘宝拍立淘API是基于图像识别的商品搜索服务,支持通过图片URL或Base64编码搜索相似商品。结合深度学习算法,实现跨品类识别,适用于电商比价、同款搜索等场景。提供多维度匹配、结果排序功能,技术涵盖特征提取、相似度计算与动态优化。示例代码展示调用流程,便于开发者快速集成。
|
数据库
数据库五种基本运算
【5月更文挑战第15天】数据库的关系代数包括并、差、投影、笛卡尔积和选择等基本运算,以及交、连接、除、广义投影和外连接等扩展运算。在这些操作中,笛卡尔积通常最消耗资源,因为它会大幅增加元组数量和计算量。
2003 4
数据库五种基本运算
|
11月前
|
存储 数据可视化 数据库
低代码开发如何快速入门?今天做一期详细介绍
低代码平台旨在解决传统开发中业务需求频繁变更、技术加班严重及上线周期长等问题。织信平台作为一款强大的“业务系统搭建工具箱”,通过拖拽式配置与逻辑设定,让业务人员参与基础功能构建,加速系统实现。其核心模块包括团队管理、应用开发、数据表设计、工作流配置、角色权限控制等,支持多场景应用如问卷调查与数据分析。新手仅需3-5天即可完成基础系统搭建,逐步扩展复杂功能,实现高效协同开发。
|
JavaScript 前端开发 Java
课时12:编译型语言和解释型语言
今天为大家简单介绍计算机高级语言,如C、C++、JAVA、JavaScript、Python等,指出任何语言被计算机执行前都需转换为机器码。根据转换时机不同,高级语言分为编译型语言和解释型语言,今天的内容主要分为以下三个部分。 1.编译语言 2.解释型语言 3.两者的优缺点
580 1
|
SQL 存储 缓存
【赵渝强老师】达梦数据库的内存结构
本文介绍了达梦数据库管理系统的内存结构,包括内存池、缓冲区、排序区和哈希区。内存池分为共享内存池和运行时内存池,能够提高内存申请与释放效率,并便于监控内存使用情况。缓冲区涵盖数据缓冲区、日志缓冲区、字典缓冲区和SQL缓冲区,用于优化数据读写和查询性能。排序区和哈希区分别提供排序和哈希连接所需的内存空间,通过合理配置参数可提升系统效率。文内附有具体配置示例及视频讲解,帮助用户深入理解达梦数据库的内存管理机制。
489 0
|
机器学习/深度学习 人工智能 缓存
基于英特尔平台加速 AI 应用及 LLM 推理性能介绍|龙蜥大讲堂第115期
本文摘自龙蜥大讲堂英特尔 AI 软件工程师黄文欢的分享,主要包括以下三个方面的内容: 1. 第五代英特尔至强处理器 2. LLM 推理加速框架 xFast Transformer 及其优化策略 3. 性能数据及 Demo 展示
503 0
ly~
|
存储 SQL NoSQL
数据库介绍
数据库是组织、存储和管理数据的仓库,分为关系型(RDBMS)和非关系型(NoSQL)。RDBMS 如 MySQL、Oracle 和 SQL Server 通过表间关系存储结构化数据;NoSQL 包括 MongoDB、Redis 和 Neo4j,处理非结构化数据。数据库功能组件有数据定义语言(DDL)、数据操作语言(DML)和数据库管理系统(DBMS)。应用场景涵盖企业资源规划(ERP)、电子商务和大数据分析,支持自动化管理、数据分析及决策支持。
ly~
482 3

热门文章

最新文章