阿里云袁经凯：混合云场景下的高性能存储

大家好，我叫袁经凯，我来自阿里云，主要负责阿里云混合云存储架构方面的一些工作。这两天我们听到了许多关于高性能存储介质和Fabric优化的内容。今天我的主题是混合云场景下的的高性能存储，尝试从另外一个角度看待不断演进的高性能介质，也即是在具体场景下，特别是在和云结合的场景下，如何拥抱高性能存储带来的变化？以及相衍生的新的存储产品形态等，这是我们当前考虑的问题。

我们首先回顾一下过去存储介质的发展，从早期的Hard Drive，到后来的SSD，以及最新的Persistent Memory（持久内存）。Hard Drive大概在十毫秒左右的时延，到SSD是亚毫秒的时延，到Persistent Memory（持久内存）直接到了纳秒级的时延表现，可以看到整个存储介质是在快速的进化当中。而从另外一个角度讲，我们对存储介质的性能行为定义也在发生着变化。不光是单纯的IOPS或者Throughput，现在也更加关注性能的可靠性和稳定性方面。

而存储介质只是存储系统的一部分，存储系统的不同的部署形态对整个存储性能也有很大的影响或约束。早期单机的类似DAS直连的形态，性能受限于外部总线的发展；在数据中心的部署下，会看到SAN或者NAS的存储形态，性能行为也受到Fabric的影响，如Ethernet、FC，InfiniBand和NVMe over fabric等；而在云环境下，特别是在混合云环境下，数据在公共云和专有云中之间自由流动，如何从用户的角度实现统一的数据视图以及统一的存储性能表现，是一个比较大的挑战。

我们看一下云环境下工作负载的部署策略。从传统的观点来说，云端提供计算和存储的弹性，适合动态或较难预测的工作负载，同时提供更好的运维管理能力；而私有的数据中心更多是IO或计算密集的场景，或者是对时延要求比较高的形态，这也是传统架构的特点。

而如今，公共云在快速的演进当中，整个公共云的存储生态也在不断的扩展，覆盖更丰富的业务负载。例如，性能上阿里云发布了百万IOPS和亚毫秒时延的ESSD；而存储形态上，提供OSS对象存储，容量型及性能型NAS，弹性的块存储服务等；而从上层的数据层面来看，提供缓存、消息队列，以及RDS，NoSQL等多样的数据服务。

但显而易见的是，未来很长时间都会是公共云、专有云共存的形态。所以，如何实现公共云和专有云之间数据的自由流动，如何做到业务无感知，用户不需要关注数据的位置，实现数据的融合和自由迁移非常重要。

理想状态下，公共云和专有云之间的连接应该是如图所示的状态，使得公共云的计算侧能访问线下的数据，线下计算能访问线上的存储，存储和存储之间能实现统一的管理，这是我们需要做到的。

这是当前最常见的线下存储和线上存储之间的互联状态。将传统的存储阵列进行扩展，提供了与云相集成的能力，从而充分利用云端存储在弹性和低成本，以及安全和高可靠性上的优势，使得存储阵列承载高性能场景之外更多的业务形态，这是非常直观的需求。

传统存储有分层和缓存的概念，以及容量层和性能层等这样的分层结构。很自然，我们可以把当前云端存储，例如阿里云OSS存储看作新的存储层次。通过引入云缓存、云分层、云备份等服务，可以按策略实现数据在本地的高性能存储以及云端的自由放置，从而实现存储在成本，安全和高可用上的优化，这是一个直接的云集成解决方案。

另外，我们经常会遇到的“Cloud Burst”问题，需要云上弹性的计算能力解决云下动态的数据处理需求。这时候线上的计算和线下的存储如何互联，如何保持像线下计算访问线下存储那样的一致的性能行为，是要解决的一个问题。

当前的一个解决方案是“Colocation”的部署方式。线下的IDC实现企业托管的高性能存储阵列和公共云高速连接PoP点的直接互联，从而保证云上计算服务对线下存储的低时延访问，使得计算能平滑迁移到云端。

当然，这种场景有一些限制，受限于公共云高速连接以及IDC机房的地域分布限制，同时也无法支持跨域访问。而且还需要了解用户的用户场景对SLA的要求，然后根据链路时延进行评估和可行性分析。

这是一个基于“Colocation“的典型的云分析业务场景。用户在边缘侧（Edge Storage）进行数据收集；边缘侧与Colocation服务下的高性能存储通过数据复制服务进行数据交互；而高性能存储和ECS计算实例之间，基于高速的数据访问，反复迭代计算生成训练模型，然后将模型同步到边缘侧，在边缘进行推断。

（编辑：武汉站长网）

【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!