浪潮存储:练就全栈存储能力 激发新数据时代红利

2023-11-22 18:51

本文主要是介绍浪潮存储:练就全栈存储能力 激发新数据时代红利,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

640?wx_fmt=gif


在“数字孪生”的“新数据”时代,浪潮存储不仅要构建全栈存储能力,更要通过携手生态伙伴,共同释放数据价值。


众所周知,人工智能的发展有赖于三大因素:算力、算法和数据。说到算力,很多人都会想到CPU、服务器等,但说到数据,人们通常会想到大数据,却很少想到大数据的“容器”——存储。


当下不仅是一个大数据时代,更是一个新数据时代。全球数据总量每18个月就会翻一番只是单纯的“量变”,在此背后的“质变”则表明了一个“新数据”时代的到来:更加丰富的数据产生、采集及传输途径,更加丰富多元的数据应用形态及场景,以及人们对数据使用及其价值释放的期待。


为了更好地拥抱“新数据”时代,在日前的IPF2019大会上,浪潮存储产品线总经理李辉又正式发布了新一代全闪存储G5和自主研制的NVMe SSD固态盘等一系列新品,这也是继3月份浪潮存储发布新一代存储平台G5之后的又一大动作。


在短短一个月的时间里,浪潮存储一系列存储产品,覆盖了分布式存储平台、高端存储平台和全闪存储等多个领域。浪潮存储此举在进一步完善自身存储平台战略的同时,也为浪潮人工智能计算提供了强有力的支撑;与此同时,也体现出浪潮存储携手生态伙伴积极拥抱新数据时代的决心和行动。


640?wx_fmt=jpeg


立足技术创新 打造全闪存储新品


近年来,浪潮在服务器领域的迅速发展让整个业界为之侧目,这一定程度上也掩盖了浪潮存储的光芒。事实上,来自IDC数据显示,2018年浪潮存储出货量同比增长为27%,增速中国第一;不仅如此,浪潮存储还首次入围Gartner分布式存储魔力象限以及Gartner分布式存储关键能力报告。


不过,浪潮存储并没有因此而止步,而是选择牢牢锁定存储市场发展的新趋势,在技术和产品上不断创新。说到存储市场的新趋势,全闪存储无疑是近几年的焦点。尤其在企业数据量快速增长的情况下,企业对数据中心的高性能、高安全、高可靠的诉求更加迫切。


全闪存的应用普及正在成为一种潮流和趋势,一方面,包括NVMe、SCM等闪存新技术正在不断缩小计算和存储之前的瓶颈;另一方面,随着闪存芯片生产工艺的成熟和产能的不断提高,闪存芯片的成本也在大幅下降。


来自IDC的数据也证实了这一点:2018年第四季度全闪存阵列(AFA)市场收入超过27.3亿美元,同比增长37.6%。其中在中国市场,2018年三个季度以来,全闪存的市场占有量逐步增加到14.0%,较2017年同期实现了208.2%的大幅度增长。


顺应这一存储发展趋势,浪潮打造了新一代全闪存储G5,该产品定位于云数智应用的非结构化数据的结构化、以及传统数据库的结构化数据的超高性能应用。作为面向关键业务的全闪存储系统,浪潮全闪存储平台G5能满足金融、电信、政府、能源、制造、交通、教育等各行业对核心业务的需求。


与此同时,浪潮还自主研发了NVMe SSD固态盘,该产品不仅拥有高密度、大容量的特点,还具有业界一流的性能,以及领先的低功耗设计,同时还实现了业界一流的安全可靠性。对此,李辉表示:“早在2015年,浪潮存储就决定从战略层面加大对企业级SSD的研发投入,我们希望掌握企业级SSD最核心的技术。


640?wx_fmt=jpeg


完善存储平台 支撑人工智能计算


浪潮全闪存储产品的发布,只是公司存储整体业务布局的重要一环;在浪潮存储的规划中,不断完善存储平台的建设,为集团人工智能计算战略提供强有力支撑,才是关键所在。



今年3月,浪潮隆重发布新一代G5存储平台,包含两款数据中心级存储新平台——浪潮超大规模数据中心级分布式存储平台AS13000G5,以及浪潮数据中心级高端存储平台AS18000G5。至此,浪潮存储在平台化发展上又取得了一次里程碑式的进展。


而IPF上,浪潮发布的新一代全闪存储G5,则包括中端HF5000G5、中高端HF6000G5,还有全新的高端全闪存储平台HF18000G5,以及自研NVMe SSD固态盘。这无疑让浪潮G5存储平台的产品形态更加完善,同时也实现了全闪存储从高端到中高端、中端的覆盖,从存储系统到存储核心部件的覆盖。


由此,浪潮存储也形成了混闪存储、全闪存储、分布式存储在内的最完整的存储产品家族。这样一来,浪潮通过服务器、存储、网络等的融合,为客户提供人工智能计算的全栈服务。正如李辉所说:“我们希望通过自研NVMe SSD这种数据中心部件,与服务器和存储系统配合,为用户数据中心在性能、稳定性和可靠性上创造更大的价值。


事实上,未来人工智能发展的主要趋势之一就是:融合。这里的融合又分为两个层面,首先在技术层面,软件定义技术的发展,使得计算、存储和网络三类设备开始融合为统一的融合架构模块;其次在产业层面,传统的服务器、网络和存储厂商,如戴尔、EMC、HPE、思科、浪潮等,纷纷通过并购或者拓展业务的方式,成为涵盖三大领域的数据中心全栈方案供应商。


顺应人工智能发展和应用的趋势,浪潮存储也在积极拥抱人工智能。李辉表示,浪潮存储目前目前面向AI的存储产品有两种思路:一种是不断提升现有产品平台的能力,满足客户人工智能应用的需求;另一种则是借助人工智能技术,对存储产品进行重构。


未来,人工智能整体应用架构很可能会催生出新的存储产品形态,届时,不论是数据的存取、迁移、管理、分析,还是存储设备的故障预测、应用性能和容量预测等,都会发生革命性变化。


640?wx_fmt=jpeg


携手生态伙伴 共同赋能行业应用


一枝独秀不是春,百花齐放春满园。


浪潮存储在打造完整存储产品家族的同时,也在寻求携手更多合作伙伴,全面释放存储产品价值。李辉表示,2019年浪潮存储将更加紧密地团结生态伙伴,通过平台+生态的方式服务行业客户的数字化转型。


近年来,浪潮存储金融、通信、政府、交通、媒资等行业全面落地,这些都有赖于行业合作伙伴的大力支持,比如赞华、心医国际、卫宁等都是深耕不同行业的顶级ISV和方案商。其中,浪潮与赞华联合打造的金融行业解决方案,已经服务于众多银行的数字化转型。

赞华产品总监殷东升表示,早在2014年,赞华就与浪潮达成了战略合作关系,当时赞华主要是代理浪潮的服务器产品;随着浪潮的不断发展壮大,赞华与浪潮的合作也在不断深入,从服务器扩展到存储等多个领域。


尤其在各行各业加速数字化转型的今天,赞华也在寻求与浪潮联合打造更多面向行业的解决方案。在金融行业,赞华就通过与浪潮存储的合作,于2018年共同打造了从影像采集及处理到高性能数据存储的双录系统整体解决方案,集成了前端影像采集、后端大数据存储、联网监察、检索、功能扩展与安全管理等多项功能,很好地满足了金融业对于理财风险管控的需求。


这一面向金融行业的解决方案,不仅需要对浪潮的服务器、存储等产品进行统一的适配和认证,也需要将赞华在金融行业的经验积累融入其中。“下一步,我们希望借助双方的渠道和市场,共同推动双方联合打造的金融行业解决方案,服务更多金融企业。”殷东升强调。


随着数据量的爆炸式增长以及数据类型复杂度的提升,企业客户对于存储架构的要求也越来越高。为此,浪潮存储一方面需要打造适配多云环境、支持云数智应用和弹性灵活部署的存储平台,另一方面也需要联合更多行业合作伙伴,共同打造面向不同行业的解决方案,从而帮助客户从容应对存储应用的挑战。


结束语:人工智能等新一代信息技术的发展和应用,正在推动物理世界的数字化、数字世界的智能化;随着物理世界和数字世界的高度融合,数据已经不再只是物理世界的“记录者”,而是成为了新的生产资料,并逐渐发展出价值闭环。在这样的“新数据”时代,浪潮存储正在做的不仅是构建全栈存储能力,更要通过携手生态伙伴,共同释放数据价值。




640?wx_fmt=gif
长按指纹  识别二维码   关注我



欢迎讨论与转载,转载请注明作者与出处。

“常言道”已入住今日头条、百度百家、一点资讯、搜狐新闻、网易新闻、凤凰新闻、腾讯新闻、新浪新闻、界面、UC、号外等多个媒体平台。有合作意向请发送邮件至32357985@qq.com



这篇关于浪潮存储:练就全栈存储能力 激发新数据时代红利的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/412197

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav