一些行業知名的首席技術官和分析師預測,超大規模架構、混合云、IT即服務、容器以及人工智能將成為2021年IT組織的熱門趨勢。
隨著行業組織努力分析并從不斷增長的數據中獲取價值,云計算架構和基礎設施將成為2021年IT組織的熱門話題。
在云架構方面,有些組織可能會效仿超大規模公司采用多云。另一些組織采用他們的混合云或選擇內部部署IT即服務,而對于另一些組織來說,采用多云更具意義。人工智能、容器和可組合的基礎設施對許多組織來說可能很重要,因為他們試圖更好地利用自己的數據資產。
以下是一些行業知名首席技術官和分析師在對企業基礎設施和云計算架構發展進行預測時提到的技術和方法。首席技術官們分享了他們對行業可能產生重大影響的趨勢或2021年及以后的技術路線圖的不同看法,分析師為組織采取的下一步行動提供了方向。
對云計算架構的預測
希捷技術公司首席技術官John Morris表示,越來越多的組織將采用超大規模云計算架構,以實現規模和效率方面的改進,這是傳統企業架構中不存在的。公共云不適用于所有用例。隱私和法規可能影響使用公共云的決策。隨著時間的推移,將會看到數據和基礎設施從云平臺遣返回到內部部署設施或私有基礎設施中。通過云遣返,組織將希望獲得與云平臺類似的規模和效率。
超大規模架構的三個關鍵要素是使用對象存儲、采用分解和可組合的基礎設施,以及利用分層來獲得正確的存儲類型和比率。
HPE公司存儲業務部門高級副總裁兼總經理Tom Black表示,在2021年,越來越多的組織將遷移到云平臺。像AWS公司這樣的超大規模企業的服務正在向內部部署遷移,并為其客戶提供本地計算和存儲服務。HPE GreenLake的業務不斷增長,目前已經簽訂了超過40億美元的合同,這表明客戶對云服務的更多需求。
他認為,現在很多組織處在多云和混合IT環境中。隨著用戶致力于尋求避免云計算鎖定,多云世界正日益成為現實。采用的云平臺并非一刀切,不同的領域采用不同的云平臺。例如,谷歌云平臺以提供人工智能/數據分析著稱,組織可以通過采用內部部署設施用于任務關鍵型應用程序;AWS云平臺可以用于DevOps。
Pure Storage公司首席技術官Alex McMullan認為有些組織并不用部署多云。采用多云可能成本高昂,可以采用混合云降低成本,從業務角度來看,有些組織采用多云并沒有太大意義。
IBM公司閃存存儲業務首席技術官兼研究員Andy Walls表示,2020年發生的冠狀病毒疫情將加速組織構建混合云的需求和愿望,并且其數據可以輕松地往返于云平臺。
一些組織在2020年確實推動了某些部門將物聯網遷移到云平臺中的工作,而在另一些部門中,實際上還有更多的外部存儲支持。很多人擔心冠狀病毒疫情會導致向云平臺的大規模遷移,而外部存儲應用量將會下降,但并不會發生這種事。人們將會看到更多的要求,即內部基礎設施的設置必須能夠實現自動化,更加靈活,,并且重要的應用程序可以遷移到云平臺中或從云平臺中遣返。
Evaluator Group公司高級策略師兼分析師Randy Kerns表示,今年將更加專注于針對容器的私有云或混合云基礎設施的部署。大多數組織已經在虛擬機環境中進行了大量投資,主要是使用VMware。而現在,許多開發人員都在交付基于容器的云原生應用程序。
組織的運營人員通常會為容器設置單獨的環境。現在將看到的是更加協同的工作,需要IT組織確定戰略方向。此外,還發現很多組織對支持容器的基礎設施非常感興趣,例如OpenShift或Rancher。這些組織希望部署某種預先打包并提供支持的服務,并且可以更快地投入使用。
企業基礎設施的發展趨勢
戴爾技術公司存儲部門高級副總裁兼首席技術官Sudhir Srinivasan表示,2021年將是傳統供應商提供IT即服務的元年。很多組織一直在使用云計算IT即服務,但是現在他們希望在內部部署數據中心使用,這導致了諸如Amazon Outposts等產品的推出。去年下半年,戴爾技術公司推出了Project Apex。它使其客戶擺脫了IT的業務管理工作,通過供應商進行管理。客戶可以決定何時需要更多服務,如果不需要,可以停止使用不再支付費用。
NetApp公司混合云工程高級副總裁Octavian Tanase表示,很多組織希望采用使用人工智能技術的基礎設施將數據存儲在正確的存儲層上,從傳統的近線SAS HDD到第二代存儲類內存。存儲操作系統將根據應用程序簽名使用人工智能,并根據服務等級協議(SLA)決定在成本更低的設施中存儲數據。
Dragon Slayer咨詢公司創始人兼總裁Marc Staimer表示,到今年年底,大多數追求高性能的存儲系統將從每端口100Gb提高到200Gb,甚至將達到400Gbps。
一些處于行業前沿的IT組織已經要求2021年的項目必須以每個端口200Gbps或更快的速度進行,因為需要分析的數據量增長的速度超過了帶寬所能處理的速度。他們必須擁有更新、更好、更快、更大、更廣泛的服務和產品。通常情況下,在人工智能/分析中,這是吞吐量問題,而不是IOPS問題。組織需要在最短的時間內獲取盡可能多的數據進行分析。到今年年底,200Gbps將成為主流標準。但是關注帶寬和吞吐量的組織可以選擇更高的帶寬,這其中包括大型制藥、能源、媒體和娛樂等行業組織。
IDC公司研究副總裁Eric Burgener表示,越來越多的組織購買人工智能/機器學習驅動的下一代工作負載存儲平臺,這將加速新型橫向擴展非結構化存儲系統的增長,從而在2021年產生顯著影響。
客戶正在為部署人工智能/機器學習驅動的大數據分析工作負載的合適平臺類型而陷入困境,這些工作負載必須同時處理低延遲、隨機、小文件I/O和高吞吐量、連續的大文件I/O。而處理數據超過20PB的環境是一個挑戰,很多的組織在現有的并行文件系統中遇到了這些限制。這為新的設計提供了機會。將會看到初創公司擁有真正的并行文件系統,實現分布式元數據、跨文件和對象的統一全局命名空間,以及專門重寫以在PB級以上規模運行的數據保護和數據縮減算法。
新的CXL互連
美光公司新興產品和企業戰略高級副總裁Raj Hazra表示,CXL這個主要互連技術將在未來18至24個月內為前所未有的系統架構創新打開大門。CXL更改了將內存和存儲連接到計算的方式。
如今,內存通過內存總線連接到CPU。內存的類型和生成(例如DDR4或DDR5)由供應商的CPU決定。同樣,用戶不能輕松地混合使用不同類型的設備、內存、加速器、FPGA和GPU,因為它們都使用由CPU特性決定的不同接口,并且對可連接設備的數量存在物理限制。CXL是一個開放接口,用于標準化所有類型設備的單個互連。它不是客戶必須為特定CPU許可的專有接口。它提供了將CPU連接到任何東西的能力。CXL是朝著創建更多內存和存儲層次結構邁進的必要步驟,從而允許系統滿足不同的工作負載需求。
從數據中提取價值
英特爾公司Optane持久性內存產品高級總監Kristie Mann表示,冠狀病毒疫情確實改變了現狀,并開始加速人工智能的出現和向數字化的遷移。很多組織在原有的數據庫基礎設施的基礎上構建分析的能力。越來越多的組織采用先進的零售和視頻推薦引擎,進行更多的交互式多人游戲,并在邊緣產生更多的內容。金融服務行業對使用分析進行信用卡欺詐檢測很感興趣。
希捷技術公司首席技術官John Morris表示,2020年的數據增長了30%,但是存儲數據的百分比卻逐年下降,在未來五年中可能從5%下降到不足3%。其中一部分的原因是數據的經濟性,另一部分的原因是從數據中提取價值。因此,將會看到機器學習技術在數據創建的源頭、端點和邊緣計算得到更廣泛的采用,以釋放數據中的價值。目前,針對特定用例解決方案的更好示例之一是自動駕駛汽車,但隨著時間的推移還會出現更多的例子。
Evaluator Group公司高級策略師兼分析師Randy Kerns表示,將看到更多的數據流加速器和處理器卸載,首先集中在機器學習和人工智能領域,然后轉移到更傳統的IT環境中。一旦采用了可以在存儲和服務器之間利用固態設備和NVMe協議的環境,就可以在那里進行大量加速。
下一個瓶頸是處理數據的能力。中央處理器致力于完成越來越多的工作,以嘗試更快地處理數據。有幾種措施可以更快地提供數據以進行計算并釋放處理器的能力。一種方法是將智能功能插入智能網卡等插件卡中。VMware公司使用Nvidia BlueField SmartNIC的VMware Project Monterey減輕了數據處理的負擔。另一種方法是使用計算存儲,將某些處理移至各個設備,因此不必傳輸太多數據。
IBM公司閃存存儲業務首席技術官兼研究員Andy Walls指出,計算存儲的興起有兩個原因,一是成立SNIA工作組,二是超大規模制造商不斷增長的需求。為了執行人工智能和處理所需的所有數據,僅在執行“if”語句時就浪費了處理器的大量時間。如果可以讓SSD硬盤查找這些數據并發送這些數據,則可以節省大量的處理時間。
應對安全挑戰
希捷技術公司首席技術官John Morris指出,安全一直是一個充滿挑戰的領域,人們幾乎每天都會聽到有關安全問題的新聞。組織將更廣泛地采用安全措施,以確保設備或數據不受損害。區塊鏈將成為關鍵的驅動力,可以使多方參與交易并能夠建立受信任的交易。目前有許多重要的開放項目。例如,微軟公司的Project Cerberus和谷歌公司的OpenTitan試圖圍繞“信任根”的基礎設施建立標準。但現在并沒有一個簡單的方法可以在眾多組件之間建立信任根。
該標準的采用將使來自各種供應商的組件能夠在整個基礎設施中部署“信任根”。要廣泛采用還需要數年的時間,但是其原型和概念證明已經出現。最早采用信任根的根源是在系統級別,然后再擴展到系統組件,其中包括HDD硬盤和SSD硬盤。
版權聲明:本文為企業網D1Net編譯,轉載需注明出處為:企業網D1Net,如果不注明出處,企業網D1Net將保留追究其法律責任的權利。