存储将以新颖的方式重振存储

，计算存储是一种IT架构，其中数据在存储设备级别进行处理，以减少必须在存储和计算平台之间移动的数据量。因此，该技术提供了一种更快、更高效的方法来应对数据密集型世界的独特挑战，通过减少数据移动和允许对分析的响应速度高达20到40倍来满足减少的多余带宽，并提供非常低的延迟响应时间。

如果考虑一下企业存储的发展历史，计算存储的发展速度是适当的。得益于NVMe和NVMe Over Fabrics辅助的新闪存技术，该技术的发展越来越快。当今的数据中心(包括超大规模数据中心)主要依赖于使用冯·诺依曼体系结构的基本方法构建的传统服务器硬件，冯·诺依曼体系结构适用于几乎所有通用服务器，是具有70年历史的计算机体系结构，坦率地说，这种体系结构多年来从未经历过太多的变化。

而一些新方法并没有取得太大的成功。现在有了诸如人工智能和机器学习之类的应用程序，这些应用程序需要大量的原始数据(结构化和非结构化)，这些数据需要高计算能力来“学习”，因此计算能力已成为瓶颈。在传统的横向扩展模型中，此问题通过添加节点来解决，从而获得更多的分布式计算能力和更多的内存。不幸的是，从投资成本和运营成本角度来看，添加服务器节点的成本很高。添加更多节点还增加了互连的长度，从而增加了数据移动和分析所需的时间。

计算存储这种技术可以将传感器(例如自动驾驶汽车、视频监控摄像头、交通信号灯)中的原始信息巧妙地组织为有意义的数据，因为缺乏移动性可以促进实时数据分析，从而通过减少输入来提高性能/输出瓶颈。随着人工智能、机器学习、物联网工作负载涌现出惊人的数据量(IDC公司的研究表明，到2025年，数据总量将超过163 ZB，其中95%是由物联网设备生成的)，这项新技术是真正缺失的环节。

调研机构Dimensional Research公司最近对300多位计算机存储专业人员进行的一项调查揭示了这一挑战，表明存储瓶颈可能发生在10 TB以下。这样，计算存储可以提供更强大的处理能力来辅助每个主机CPU，从而使组织可以提取其可以生成的所有数据，并仅提供真正需要的数据，从而使“管道”尽可能保持开放。这样一来，就可以收集更多分析所需的原始数据，并为组织提供仅从该数据中提取实现价值所需的自由。在比较中，当组织必须处理整个数据集时，就会延误增值。这种方法可很大程度地提高效率，减少功耗，并降低运营成本。这种“分类、转换、发送”方法使快速、全面和有意义的实时数据应用成

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!