下一代块存储重新定义任务关键型存储架构

news2024/11/30 12:37:04

HPE 宣布全面推出基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 第 3 版,提供业界首款分解式横向扩展块存储,并提供 100% 数据可用性保证。这种独特的块存储产品由共享一切存储架构提供支持,并通过 HPE GreenLake 云平台进行管理,为现代关键任务工作负载带来本地云体验、高效扩展以及极高的弹性和性能。

我们的公告代表了在通用软件和硬件堆栈上整合、标准化和简化我们的 HPE 块存储产品组合的多步旅程的下一步,所有这些都通过 HPE GreenLake 平台提供的统一云管理体验实现。

在版本 3 中,我们将在“一体化之旅”中迈出下一步,通过新的多节点交换模型实现分类存储的承诺,将性能提高 2 倍,容量提高 2.5 倍。其他增强功能包括通过扩展的基于人工智能的性能报告和分析提供更简单的云管理体验,以及通过新的 4 倍数据压缩保证计划提高成本效率。第 3 版还通过向现有光纤通道、NVMe-oF/FC 和 iSCSi 连接选项添加 NVMe-oF/TCP 支持,释放了以太网 NVMe 的全部功能。

让我们仔细看看下一代 HPE 块存储平台如何重新定义企业存储 — 消除与当今传统块存储架构相关的许多障碍和妥协。

重新构想块存储架构

存储提供商始终致力于寻找新方法来提高其架构的性能、弹性、可扩展性和成本效率。尽管近年来取得了一定的改进,主要是由于固态介质以及重复数据删除和压缩(DECO)技术的引入推动的,但它们通常代表的是渐进式增强,而不是架构设计上的实质性突破。

传统存储架构通常由一对高可用性 (HA) 控制器节点组成,这些节点通过单个硬件机箱内的中板连接到专用驱动器。中板通常是一个限制因素,决定了系统可以实现的最大性能。传统上,为了扩展性能,即使您不需要额外的容量,您也必须购买带有另一对 HA 控制器节点的新系统。除了产生“孤儿容量”问题之外,这种方法还会产生管理和维护复杂的孤岛。它还要求应用程序了解数据所在的位置。结果是存储基础设施无法灵活且经济高效地横向扩展,以跟上传统、现代和整合工作负载不断增长且不可预测的需求。

现在想象一个存储架构,其中机箱中板非常灵活,并提供足够多的 IO 来消除瓶颈。此存储架构使您能够根据需要独立添加增量控制器以获得更高的性能,并提供额外的驱动器和 JBOF 来为您的应用程序提供更多容量。它是一种存储架构,其中存储 SSD 由高速网络上的所有控制器共享,因此您没有孤岛,并且能够容忍多个节点故障。
这就是基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 第 3 版的构成。

它是分解的、横向扩展的、共享一切的存储,重新构想了块存储。这种分解是通过标准化的可组合构建块实现的,这些构建块包括独立的计算(控制器节点)和容量(NVMe 扩展架/JBOF),并通过高速、冗余 NVMe-OF 后端交换结构互连。

从传统的节点对设计演变为基于 HPE Alletra Storage MP 构建的模块化、横向扩展、分解架构,可实现显着的规模、性能和可用性优势。

  • 通过分类存储轻松且经济高效地进行扩展,以满足不断变化的工作负载需求。基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 利用分解的横向扩展存储架构,使您能够独立扩展容量和性能,从而提高效率并降低成本。这使您可以根据工作负载要求和不断变化的业务需求灵活地微调、调整和弹性扩展存储环境。您可以从小规模开始,采用经济高效的两节点入门级配置。然后,通过精细的性能和容量升级,纵向扩展和横向扩展至多节点交换配置。您可以通过无中断的数据就地升级来最大限度地提高投资回报率,而无需重新购买现有存储。

第 3 版增加了对多达 8 个 JBOF 扩展架的支持,使您能够在不中断的情况下从 15.36 TB 扩展到大约 2.8 PB。每个机箱支持 8 至 24 个 SSD,能够以 2 个驱动器增量升级驱动器,以 1 个增量升级 JBOF,使您能够通过精细容量升级最大限度地提高效率并节省成本。

  • 通过共享一切架构加速任务关键型应用程序。基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 利用并行、全 NVMe、多节点、全活动架构,在所有介质、控制器和主机端口上进行活动的 I/O 处理。这可确保大规模的一致、可预测的性能和超低延迟。

在版本 3 中,我们推出了新的 2 控制器节点和 4 控制器节点交换模型,可选择 16 核或 32 核配置 - 增加了 2 控制器节点无交换模型的现有选项,并推动了飞跃性能高达 2 倍。

  • 运行任何应用程序都不会影响 100% 的数据可用性保证。基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 是一项始终在线的服务,基于 AI 驱动、分散、无单点故障的平台构建,可确保关键任务应用程序具有无与伦比的 100% 数据可用性。即使集群中多个节点丢失,版本 3 也能实现预测性能。

通过人工智能驱动的本地云管理体验简化管理

基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 可提供由行业领先的基础设施 AIOps 提供支持的云操作体验。通过在中断发生之前进行预测和预防,减少了消防工作。管理员可以依靠人工智能驱动的建议来消除管理数据基础设施时的猜测,同时通过预测支持自动化和直接联系专家来消除耗时且令人沮丧的升级。

在版本 3 中,我们通过增强和扩展的基于 AI 的性能报告和分析来改进故障排除和洞察力,继续消除客户在存储优化方面的猜测。主要报告增强功能包括按卷集进行的余量利用率趋势分析、按延迟进行的顶级卷集热点、改进的工作负载漂移检测和资源争用检测。我们还改进了容量报告、容量节省和效率指标,并且我们正在引入新的可持续性指标,包括功耗趋势。

观看HPE GreenLake 平台上数据服务云控制台中高级性能报告功能的演示。

借助 HPE StoreMore 保证,以更少的成本存储更多的商品

基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 提供多种数据缩减和数据压缩技术,以降低存储容量利用率,包括具有快速索引的高级重复数据删除、极其高效的压缩算法、数据打包、硬件加速和无预留精简配置、和虚拟副本。这些始终在线的技术共同改变了闪存的经济性,而无需牺牲任何性能,并且旨在帮助您充分利用系统的闪存容量,同时提高闪存介质的耐用性。

在版本 3 中,我们通过 4:1 的数据压缩比保证来支持这一点,该保证按所有可简化数据的可用容量与有效容量的比率计算。如果没有,慧与将提供与数据效率相关的专业知识、达到目标数据效率所需的额外存储容量,或我们酌情提供的其他补偿。该保证在支持合同期限内有效。

这一新的 HPE Store More 保证为您的工作负载提供有保证的效率,降低物理存储成本,节省能源并减少数据中心占地面积。 HPE 还为请求保证一定有效容量的客户提供有效期为一年的定制保证。

通过独特的块存储架构重新定义关键任务存储

最终,您的组织必须专注于消除持续拖慢您速度的遗留存储复杂性,并重新定义您的关键任务存储,以满足您的传统和存储的性能、规模、可管理性、可用性和成本效益需求。云原生工作负载。

这正是基于 HPE Alletra Storage MP 构建的 HPE GreenLake for Block Storage 如此引人注目的原因。它在块存储产品中独一无二,通过分解、共享一切、横向扩展的存储架构、人工智能驱动的云体验以及保证 100% 的数据可用性,简化了存储管理并降低了风险 — 所有这些都可以让您的组织大幅加速您的数字化转型之旅。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1447562.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

OCP的operator——(1)概述

文章目录 概述了解Operator什么是Operator为何使用OperatorOperator FrameworkOperator成熟度模型 Operator Framework 打包格式Bundle格式Manifest注解依赖关于opm CLI 基于文件的目录RukPak Operator Framework常用术语表常见Operator Framework术语BundleBundle imageCatalo…

腾讯云4核8G服务器能支持多少人访问?

腾讯云4核8G服务器支持多少人在线访问?支持25人同时访问。实际上程序效率不同支持人数在线人数不同,公网带宽也是影响4核8G服务器并发数的一大因素,假设公网带宽太小,流量直接卡在入口,4核8G配置的CPU内存也会造成计算…

Java+SpringBoot+Vue:高校科研管理的技术革新

✍✍计算机编程指导师 ⭐⭐个人介绍:自己非常喜欢研究技术问题!专业做Java、Python、微信小程序、安卓、大数据、爬虫、Golang、大屏等实战项目。 ⛽⛽实战项目:有源码或者技术上的问题欢迎在评论区一起讨论交流! ⚡⚡ Java实战 |…

ubuntu22.04@laptop OpenCV Get Started: 007_color_spaces

ubuntu22.04laptop OpenCV Get Started: 007_color_spaces 1. 源由2. 颜色空间2.1 RGB颜色空间2.2 LAB颜色空间2.3 YCrCb颜色空间2.4 HSV颜色空间 3 代码工程结构3.1 C应用Demo3.2 Python应用Demo 4. 重点分析4.1 interactive_color_detect4.2 interactive_color_segment4.3 da…

docker 2:安装

docker 2:安装 ‍ ubuntu 安装 docker sudo apt install docker.io‍ 把当前用户放进 docker 用户组,避免每次运行 docker 命都要使用 sudo​ 或者 root​ 权限。 sudo usermod -aG docker $USER​id $USER ​看到用户已加入 docker 组 ​​ ‍ …

【深度学习】S2 数学基础 P1 线性代数(上)

目录 基本数学对象标量与变量向量矩阵张量降维求和非降维求和累计求和 点积与向量积点积矩阵-向量积矩阵-矩阵乘法 深度学习的三大数学基础 —— 线性代数、微积分、概率论; 自本篇博文以下几遍博文,将对这三大数学基础进行重点提炼。 本节博文将介绍线…

LeetCode、72. 编辑距离【中等,二维DP】

文章目录 前言LeetCode、72. 编辑距离【中等,二维DP】题目链接与分类二维DP 资料获取 前言 博主介绍:✌目前全网粉丝2W,csdn博客专家、Java领域优质创作者,博客之星、阿里云平台优质作者、专注于Java后端技术领域。 涵盖技术内容…

C++笔记1:操纵符输入输出

C操纵符用来控制输出控制,一是输出的形式,二是控制补白的数量和位置。本文记录一下,在一些笔试的ACM模式可能有用。其中1-4节的部分是关于格式化输入输出操作,5-6节的部分是关于未格式化输入输出操作。 1. 控制布尔值的格式 一般…

嵌入式Qt 计算器界面设计

一.计算器界面设计 计算机界面程序分析&#xff1a; 需要用到的组件&#xff1a; 界面设计&#xff1a; 界面设计实现&#xff1a; 实验1&#xff1a;计算器界面设计 #include <QtGui/QApplication> #include <QWidget> //主窗口 #include <QLineEdit> //文…

医院排队叫号系统的设计与实践

随着医疗服务需求的增加&#xff0c;医院排队叫号系统成为了现代医院管理的必备工具。它不仅可以提高医院服务效率&#xff0c;减少患者等待时间&#xff0c;还可以优化医院资源利用&#xff0c;提升患者就诊体验。本文将介绍医院排队叫号系统的设计与实践&#xff0c;包括系统…

autojs通过正则表达式获取带有数字的text内容

视频连接 视频连接 参考 参考 var ctextMatches(/\d/).findOne()console.log("当前金币"c.text()) // 获取当前金币UiSelector.textMatches(reg) reg {string} | {Regex} 要满足的正则表达式。 为当前选择器附加控件"text需要满足正则表达式reg"的条件。 …

三分钟教你如何把不要钱的ChatGPT3.5用出花钱4.0的效果!

三分钟教你如何把不要钱的ChatGPT3.5用出花钱4.0的效果&#xff01; 关注微信公众号 DeepGo 计算机杂谈及深度学习记录&分享 上一期我们聊到 ChatGPT4.0确实在各方面都优于3.5 花了钱的就是不一样 但我们有没有办法去弥补这一差距呢&#xff1f; 今天我就来教你 转发出去让…

海量数据处理商用短链接生成器平台 - 4

第六章 架构核心技术-池化思想-异步结合 性能优化最佳实践 第1集 RestTemplate里面的存在的问题你知道多少- Broken pipe错误 项目就更新到第六章了&#xff0c;剩下的内容 放百度网盘里面了&#xff0c;需要的来取。 链接&#xff1a;https://pan.baidu.com/s/19LHPw36dsxPB7…

推荐一门 MIT 的计算机入门课

你好&#xff0c;我是坚持分享干货的 EarlGrey&#xff0c;翻译出版过《Python编程无师自通》、《Python并行计算手册》等技术书籍。 如果我的分享对你有帮助&#xff0c;请关注我&#xff0c;一起向上进击。 计算机科学及编程导论在MIT的课程编号是6.00.1&#xff0c;是计算机…

Pytorch学习03_TensorBoard使用02

Opencv读取图片&#xff0c;获得numpy型数据类型 复制图片的相对路径 目前这种type不适用&#xff0c;考虑用numpy类型 安装opencv&#xff0c;在pytorch环境下 pip install opencv-python 导入numpy import numpy as np 将PIL类型的img转换为 NumPy 数组 img_arraynp.array…

VC++ 绘制折线学习

win32 有三个绘制折线的函数&#xff1b; Polyline&#xff0c;根据给定点数组绘制折线&#xff1b; PolylineTo&#xff0c;除了绘制也更新当前位置&#xff1b; PolyPolyline&#xff0c;绘制多条折线&#xff0c;第一个参数是点数组&#xff0c;第二个参数是一个数组、指…

【教学类-48-04】202402013“天干地支 六十一甲子”.

背景需求&#xff1a; 2024年是甲辰龙年。 “辛亥革命”“甲午海战”"戊戌变法”都有天干地支的身影。 参观历史建筑&#xff0c;不少书法碑刻上都是用天干地支进行年代记名 所以我用Python来制作60一甲子的所有天干地支组合 60一甲子 天干地支的排序 作者&#xff1a;阿…

【教程】Kotlin语言学习笔记(一)——认识Kotlin(持续更新)

写在前面&#xff1a; 如果文章对你有帮助&#xff0c;记得点赞关注加收藏一波&#xff0c;利于以后需要的时候复习&#xff0c;多谢支持&#xff01; 【Kotlin语言学习】系列文章 第一章 《认识Kotlin》 文章目录 【Kotlin语言学习】系列文章一、Kotlin介绍二、学习路径 一、…

片上网络NoC(4)——直连拓扑

目录 一、前言 二、直连拓扑 三、总结 一、前言 本文中&#xff0c;我们将继续介绍片上网络中拓扑相关的内容&#xff0c;主要介绍直连拓扑&#xff0c;在此之前&#xff0c;我们已经介绍过了拓扑的指标&#xff0c;这将是继续阅读本文的基础&#xff0c;还没有了解相关内容…

GEE:CART(Classification and Regression Trees)回归教程(样本点、特征添加、训练、精度、参数优化)

作者:CSDN @ _养乐多_ 对于分类问题,这个输出通常是一个类别标签 ,而对于回归问题,输出通常是一个连续的数值。回归可以应用于多种场景,包括预测土壤PH值、土壤有机碳、土壤水分、碳密度、生物量、气温、海冰厚度、不透水面积百分比、植被覆盖度等。 本文将介绍在Google…