前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >新数据时代:“黑马”浪潮存储的飞轮

新数据时代:“黑马”浪潮存储的飞轮

作者头像
大数据在线
发布2019-07-08 16:11:31
4700
发布2019-07-08 16:11:31
举报
文章被收录于专栏:大数据在线大数据在线

一个巨大的飞轮,要想把它转动起来,实现的难度可谓空前。你只有每一次推动都用尽全力,顺着同一个方向转动,刚开始可能会非常慢,随着时间的推移,每一次努力的积累,一旦转动起来,它就会越转越快,最终形成飞轮效应。

同理,在存储行业这样一个相对封闭、技术复杂、行业门槛高,且竞争对手高手林立的领域,市场后来者面临的竞争犹如需要转动一个巨大的飞轮,要想在存储市场有一番作为,就必须付出比别人更多的努力。

对于立志于在全球存储舞台占据一席之地的中国存储厂商而言,尤为如此。近年来,浪潮存储作为市场的后起之秀,取得了令人瞩目的成绩,包括:2018年上半年存储出货量增速高达106%,5倍于业界平均增长速度;连续4年在中高端存储市场增长超过60%;领跑全球中端存储性能表现;入围Garnter通用存储阵列、分布式文件及对象存储魔力象限等,获得了业界的广泛关注。

那么,“黑马”浪潮存储是如何推动飞轮、并逐步形成自身的飞轮效应?

在浪潮存储看来,技术、产品、场景、用户就是飞轮的发力点,努力持续推动这些发力点,带动了整个浪潮存储的飞跃。

新赛道需要新转变

每一次产业变革之际,意味着赛道的变更,以及巨大的市场机会,也是市场新玩家撼动传统市场格局的绝佳良机。

当前,存储产业正面临着一场由云计算、大数据、AI带来的新变革,这种变革带来的是用户需求、技术、产品、使用模式的全方位转变。浪潮存储产品线总经理李辉就直言,现在用户上云的速度比预想中快,用户对于云化基础设施的投入也是愈发明显,云化数据中心的存储基础设施是未来产业的重点,并且用户更加追求从数据中挖掘出有价值的信息,综合来看需要存储厂商在技术路线、产品以及商业模式等层面做出全面转变。

在浪潮存储产品部总经理孙钢看来,为应对存储产业的变革,浪潮存储在2018年主要从三个方面进行了显著转变。

首先,加速新产品和新技术的落地,满足用户对于新技术应用的渴望。比如浪潮G2智能存储进入到金融、能源等多个行业头部客户的关键业务领域,软件定义存储AS13000基于场景的应用在电信、气象资源等领域有着大量落地。孙钢介绍,浪潮已经部署了国内最大的软件定义存储集群,拥有239个节点,70多PB的容量规模,真正帮助用户支撑起海量数据场景的应用。

其次,勇于走出去,与业界广泛交流。浪潮存储2018年与国际咨询机构、组织等进行广泛沟通与交流,一起思考未来产品和技术的发展方向,并且积极探索新技术在市场中的切入点,使得浪潮存储自身对于市场、产品、技术得到提升,而且还获得了业界广泛的认可。

第三,内部架构和基因主动求变,以适应业务新的需求变化。浪潮存储在研发、市场、交付、专业化渠道等加强了建设,形成了一支强大的专业化队伍。孙钢表示,浪潮存储全部自研之后,对于供应链挑战巨大,像多个PB级容量的交付项目,对于研发、供应链、交付团队的能力都提出了更高要求。在这样的挑战下,浪潮存储成功部署实施大量PB级工程,以专业化能力为客户提供高质量的服务。

李辉表示,用户在上云的过程中,整个存储行业能够提供的产品、技术以及解决方案出现了断层,用户与云之间存在着一条鸿沟,浪潮存储的方向就是去做云化的存储基础设施,去帮助用户快速跨越鸿沟,真正迈入云计算时代。

新技术契合新场景

最近几年,产业的变革加速了存储新技术更新迭代的步伐。NVMe 全闪存阵列、软件定义存储、第二存储、深度学习等多项技术成为业界创新的焦点。而与国外存储巨头偏爱通过收购快速获得新技术相比,浪潮存储在技术大潮面前走的却是坚持自主研发之路,并且更加看重新技术在业务场景中的落地。

李辉直言,新技术和新产品需要提升在用户中的适应性,这样才能得到用户的认可。

以全闪存阵列为例,目前市场中的全闪存阵列产品可谓是多如牛毛,哪怕是一家存储厂商可能都存在着不同的产品线,但是真正适合用户需求的全闪存阵列产品到底有多少?面对越来越多的AI应用,全闪存阵列发展多年之后,是否需要有新的突破?

尤其是全闪存阵列目前已经走过了市场拐点,进入到高速成长和应用的阶段,对于全闪存阵列未来的思考极具价值。对此,李辉表示,“浪潮存储的全闪存阵列产品在能源、医疗、金融等关键业务中已经得到大量使用。全闪存阵列同样面临着一个左右选择的问题:是走分布式路线,还是集中式路线,这需要很好地去平衡,我们需要去考虑用户云化过程中面临的实际情况。同时,我们还需要思考像AI应用兴起对于存储带来的新思考,”

在浪潮存储看来,高性能数据库和AI应用对于全闪存阵列都有着强烈需求。在用户云化过程中,高性能核心数据库比较难上云,涉及到迁移等系列问题,用户更加习惯于本地化部署,全闪存阵列恰恰可以满足用户的这种习惯。另外一方面,AI对于性能的渴求非常高,尤其是越来越多行业用户开始部署自己的高性能深度学习集群,对于闪存有着强烈的需求。李辉透露,浪潮存储一直与AI Top 10公司保持着深度的技术交流与合作,探索从存储层面如何更好地支撑AI应用。

“初步看来,分布式存储和全闪存存储搭配组合,非常适合AI整个业务的全流程作用。今天,AI产业化和产业AI化的趋势刚刚开始,基于AI的应用正在迅速兴起,比如金融、物流、电商、运营商、平安城市等大量数据应用场景中,AI应用加速的步伐非常明显。浪潮存储需要做出快速演进,更好地去支撑用户的AI应用场景。”李辉表示。

据悉,浪潮存储的全闪存阵列产品将会在2019年迎来一次大的升级,包括新闪存介质Optane、3D TLC等更新,软件堆栈也会随之更新,重量级的AIOps功能将推出,并且会完善与OpenStack的对接。

“2019年,浪潮存储还会有新一代的基于NVMe的全闪存阵列产品发布。从长远来看,NVMe协议的生命力会非常强,技术周期也会很长,NVMe Over Fabric也很好地对为存储做了云化的支撑。而SAS协议还将保存一段时间,在混合阵列上发挥作用。浪潮存储会继续观察NVMe在用户中的实际落地情况,并积极完善技术布局。”李辉补充道。

新数据时代有新思考

现在越来越多用户、合作伙伴愿意从基础设施建设的早期就与浪潮一起交流、思考和探索未来的发展趋势。”孙钢如是说。

在浪潮存储看来,在新数据时代下,与用户、合作伙伴越来越贴近,对于产业未来发展的思考以及自身业务的发展都是大有裨益。李辉透露:“像金融行业在制定全闪存阵列的行业标准和规范之时,能够邀请浪潮存储一起参与其中;一些做云服务的大型CSP也愿意与浪潮存储探讨混合云的趋势下存储如何演进等等,这些是浪潮存储非常愿意做的。”

众所周知,我们面临着一个数字世界的快速到来,在复杂的数字世界中,数据的关联性和多向流动性得到极大的提升;另一方面像5G、物联网、大数据、云计算、人工智能等新技术的融合,进一步推动了数据的产生、流动与应用。因此,从云服务提供商到用户正在形成大大小小的各种各样的数据湖泊,如何能够让数据更好地流动、共享,不让自身的数据湖泊变成一潭死水,这是产业界都在认真思考的问题。

在浪潮存储看来,数据湖一定会是长远的趋势,从存储基础设施层上,浪潮存储希望用一套基础架构和软件对战来支撑数据湖的建设,让文件、块、对象等数据更好地存储、读取和共享。“数据湖对于用户来说是一个非常复杂的系统工程,对于存储的挑战也是巨大的。”李辉表示。

孙钢则认为,用户现在对于数据的思考已经发生了明显转变,从过去考虑如何存储到现在更加追求如何从数据中挖掘有价值的信息,“从长远来看,用户对于数据的采集更加重视,采集之后就是对于数据的计算和分析。因此,从两个方面来看,都有对存储层面的诸多挑战。面对未来的趋势、形态的变化,可能不仅仅是浪潮存储自身有一定的困惑,很多用户也处于困惑之中。浪潮存储愿意变成参与者,跟他们一起去探索和解决这些困惑。”

深度观察

众所周知,近年来,业界已经见证了浪潮服务器的快速崛起,相比于浪潮服务器提出五年夺取全球第一的目标,浪潮存储相对有一些低调。但是低调不是浪潮存储的全部。事实上,浪潮存储正在借助产业洗牌之际,迅速扩大自身实力和市场份额。

在笔者看来,存储产业正在面临着巨大的洗牌期,以全闪存阵列这个最有前途的细分市场为例,市场格局远未固定,最新的市场数据可以看出,市场后来者一样能够在这个细分市场占据重要的市场地位。而浪潮存储经过多年的摸爬滚打,对于新技术的把握、市场的理解、用户需求的满足以及专业团队的建设等方面都有着质的提升,步入了真正的快速发展期。

浪潮存储,有实力实现一番更大的作为

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-01-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据在线 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档