日前，在中国深圳举办的第20届华为全球分析师大会，长江学者特聘教授、华中科技大学计算机科学与技术学院院长冯丹对数据中心Diskless架构及近数据处理发展趋势做出了权威解读，为传统云存储、大数据等计算域和存储域不完全分离造成的资源浪费，提出了一个新的技术解决方向，帮助云和互联网数据中心降本增效，实现数据中心高质量演进。

冯丹教授提到，传统存算融合架构下，企业通常采用应用与本地盘耦合的服务器一体化架构，存在存力效率低、无效数据迁移、资源浪费等典型问题：

1. 计算域和存储域未彻底分离，仍各自存在独立的本地存储，往往按照最大容量预设配置，存力利用率低；
2. 采用通用算力进行数据处理，IO效率低，存储域仍以CPU为中心，存取性能无法充分发挥；
3. 数据从盘到计算域CPU,需要8次以上数据搬迁，无效搬迁带来了网络和算力资源的浪费；
4. 在存算融合的上千节点大规模集群中，算力、容量空间配比无法均衡，扩容时需要额外迁移数据，不仅带来现有业务风险，还会浪费投资；
5. 数据爆发增长，面向结构化数据的数据缩减策略不完全适用于非结构化场景。

随着算力多样化、高性能网络和存储介质的发展，数据中心架构从以CPU中心朝着以数据为中心的Diskless架构演进。Diskless架构下，单一CPU算力发展到GPU、DPU、XPU等多样算力，算力效率得以充分发挥；网络从IP、NOF发展到高通量的CXL，为算力和存力等硬件解耦奠定了基础；存力也从传统HDD到SSD，性能、功耗实现全面提升。在Intel、华为、KIOXIA、阿里云等业界芯片、存储、云和互联网厂商的积极推进下，Diskless架构借助专用DPU/IPU等数据处理芯片和OceanDisk等专用存储模块，进一步提升数据处理和存储的效能，充分调动数据中心资源。

冯丹教授表示，资源池化共享的Diskless架构应具备以下关键技术：

1. 网存协同，DPU硬件卸载加速，数据高效协同处理。通过DPU等专有数据处理模块，使服务器CPU全为应用服务，基础设施与应用任务解耦，将VirtIO、NVMe-oF等CPU计算效率低任务转移到DPU的专用加速器执行，实现资源弹性扩展。
2. 数控分离+IO直通，实现控制流与IO流分离，IO直通到存储介质，进一步提升存储效率。通过数控分离，可达到极致IO访问时延，通过存储域IO读写数据流与IO控制处理的分离，使得读写IO直通到存储介质中，减少IO处理路径，降低处理复杂度，极大提升存储域访问性能。计算域则可以借助DPU bypass CPU，减少数据拷贝开销，提升IO访问性能。
3. 盘控协同，盘芯片与控制器芯片配合，提升集成度，达到最佳成本和能耗。盘控协同技术的关键是要实现高性能、低成本的大盘，通过硬件对盘控系统内的算法进行加速，比如利用FPGA实现FTL/DIF/在线压缩/加密/EC/GC等硬化，提升性能；盘内和框内的各类驱动和缓存层合一，实现盘框一体，构建极致成本和能耗的大盘存储。
4. 算子卸载，EC、数据缩减等算法通过硬件卸载到存储端，实现近数据处理。通过计算语义的卸载，存储直出语义接口，主机侧软件栈打薄，减少80%的IO交互次数，实现对整系统的CPU和网络带宽节省。同时，在大数据/数据仓库场景，可以利用引擎的下推接口，下推谓词和投影等运算操作到存储资源池，减少无效数据的搬移。

冯丹教授表示：从技术趋势来看，高性能异构算力、高速网络、大存力新型盘框、算子卸载等技术的发展，带来了数据中心架构的变革，加速了以CPU为中心的耦合架构走向彻底存算分离、资源池化共享的以数据为中心的Diskless架构，这种架构进一步简化了数据中心基础设施构建，能够实现存力和算力资源的集约高效发展，已经成为大规模数据中心发展的重要技术趋势。

相关标签：