企業如今正在生成比以往更多的數據，但他們還需要可以理解所有這些信息的應用程序。許多人正在采用人工智能、大數據分析和其他先進技術，這些技術可以從數據中獲得有意義的見解。但是，這些應用程序需要足夠的IT基礎設施提供支持，這些基礎設施有時甚至包括高性能計算環境。

 

只靠基礎設施提供支持是不夠的。用戶需求在不同的應用程序之間可能有很大的差異，甚至在同一個應用程序中也會有波動。這些不斷變化的應用程序需求使得傳統的基礎設施很難滿足高級工作負載的需求。因此，許多組織現在都在尋求采用可組合分解的基礎設施。

 

 

在當今的企業中，數據可以來自事務系統、物聯網設備、社交媒體網站、網絡日志、用戶設備、受監控的IT系統和各種其他來源。通過從這些數據中獲得見解，組織可以獲得多種好處。例如，他們可能會使用這些信息來優化IT運營或提高員工的生產率。另外，他們可能會使用它來改善客戶服務或獲得競爭優勢。

 

全面的數據分析需要結合先進的技術，如機器學習、深度學習、神經網絡或預測分析。這些應用程序需要足夠靈活和可擴展的基礎設施，以適應它們之間的差異。例如，采用機器學習進行統計可能使用更小的數據集和更少的計算資源，而深度神經網絡可能需要更高的性能和更多的數據。

 

IT團隊必須能夠經濟高效地運行兩種類型的應用程序，同時仍要提供必要的性能。這本身可能很困難，但是單個應用程序也可能帶來挑戰。高級應用程序在經歷多個階段時可能會有不同的要求，因此在不同的時間需要不同的計算和存儲資源。例如，攝取數據可能是I/O密集型操作，而訓練和驗證模型可能需要大量的CPU和內存資源。

 

滿足所有爭奪相同資源的多個應用程序的不斷變化的需求可能是一個艱巨的過程，并且是難以實現的目標，尤其是在試圖最大限度地利用資源時。如果應用程序需求不可預測且不斷變化，那么即使是傳統的高性能計算(HPC)平臺也會出現問題。高級應用程序在需要資源時需要正確的資源組合，否則會面臨嚴重延遲的風險。

 

 

傳統的基礎設施很難滿足當今高級工作負載的要求。這些系統遵循通常復雜且不靈活的架構，因此很難在不過度配置或未充分利用資源的情況下適應不斷變化的工作負載需求。這并不是說這些系統無法更新或重新調整用途，但這樣的過程既耗時又昂貴，同時導致基礎設施也同樣面臨僵化的情況。

 

使事情復雜化的是，供應商針對特定的工作負載優化了許多系統，并且將硬件和軟件緊密捆綁在一起，這使得快速響應不斷變化的應用程序需求變得更加困難。例如，近年來超融合基礎設施(HCI)已被證明非常受歡迎，因為它簡化了部署，但同時也受到資源比例固定和靈活性有限的影響。分解后的超融合基礎設施(HCI)改變了這一情況，但它仍然針對特定的工作負載，不支持在裸機上運行的應用程序。

 

由于其他基礎設施的局限性，許多組織正在采用可組合的分解基礎設施，它將硬件分解為邏輯資源池。在這些資源池中，用戶可以按需提供資源，以適應不斷變化的應用程序需求。這不僅可以幫助滿足當今高級應用程序的基礎設施和資源調配需求，而且還可以提高資源利用率。此外，可組合的基礎設施為自動化和基礎設施即代碼打開了大門，帶來了更大的靈活性和更快的上市時間。

 

隨著可組合的業務需求的不斷變化，分解的企業可以根據不斷變化的業務需求和可組合的應用程序配置和需求進行重組。資源成為一個彈性的構建塊，用于提供優化的環境，該環境的配置可以支持特定的工作負載，而不必等待冗長的IT分配過程。當應用程序不再需要這些資源時，這些資源將返回到資源池中，供其他應用程序使用。

 

可組合平臺的核心是管理軟件，該軟件將物理計算、存儲和網絡硬件抽象為可根據需要訪問的服務，就像云計算服務一樣。當平臺接收到對應用程序資源的請求時，可組合的軟件動態地組合組件并確保其可用性，直到不再需要它們為止。

 

通過這種方式，可組合的分類基礎設施可以適應廣泛的工作負載(包括人工智能和高級分析)，無論是在虛擬機中運行，是在容器中運行，還是在裸機上運行。

 

 

可組合分解的基礎設施正在成為部署包含機器學習和深度學習等先進技術的應用程序的一個引人注目的選擇。事實上，市場上已經有幾種可組合的產品，例如HPE公司的Synergy平臺、Dell EMC公司的PowerEdge MX模塊化基礎設施和Liqid公司的可組合基礎設施軟件平臺。

 

隨著可組合架構的不斷成熟，許多行業都將從中受益。這包括醫療保健、金融服務、托管服務提供商、大學和政府研究人員，以及幾乎所有計劃運行高級工作負載的組織。

 

事實上，可組合性已經取得了重大進展。例如，德州農工大學工程學院的研究人員最近從美國國家科學基金會獲得了390萬美元的資助，以開發下一代可組合高性能計算平臺。研究人員將利用該平臺探索在數據驅動發現中利用機器學習的新方法，這將有利于依賴人工智能技術和大數據實踐的廣泛科學領域，如網絡安全、基因組學、農業科學、氣候建模、生物醫學成像等。

 

大學并不是唯一進入可分解的基礎設施潮流的機構。Liqid公司最近與美國國防部簽署了一份3200萬美元的合同，為美國陸軍工程兵團提供兩個可組合的高性能計算(HPC)系統，這些系統采用了Liqid公司和英特爾公司的技術。工程兵團將使用該系統運行人工智能應用程序，從而幫助在全球范圍內提供必要的軍事和民用工程服務。

 

可組合分解的基礎設施行業還相對年輕，和可組合平臺本身一樣充滿活力。但是，組合架構在過去幾年取得了長足的進步，而且很可能還會繼續發展。可組合性并不一定對所有的工作負載或環境都有好處，但它在適應應用程序方面有很大的幫助，特別是那些結合了人工智能和其他先進技術的應用程序。

 

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。