强化智能存储布局，新华三智速赢未来

　　5G、云计算、人工智能、大数据等相关的数字新基建的蓬勃发展，加速了企业数字化转型的进程。与此同时，数据业已成为数字化转型的基础，对于数据存储的重视成为每一个数字化转型成功企业的共同点。
　　用户对于数据存储的要求有了全新的聚焦，在存储性能、可用性、使用体验这三个主要方面，呈现出强烈的意愿。作为＂云智原生＂战略的倡导者与领航者，新华三智能存储战略关注的重点，正好与之不谋而合。
　　智慧中枢亮相
　　新华三强化智能存储布局
　　面对百行百业数字化转型的不断加快，新华三集团在继续推动＂云智原生＂战略落地，尤其是对于数据存储的创新发展方面，植根更加完善的云智原生数字基础设施和数据服务的方向，新华三致力于为用户业务创新带来强大赋能，从而释放新数据时代的数据价值。
　　作为智能存储战略布局的进一步升级，智慧中枢数据平台的最新发布，标志着新华三智能存储战略又上了一个新台阶。
　　包括存储平台、人工智能、数据服务、虚拟化系统、中枢任务分发等多个方面内容，智慧中枢数据平台的定位非常强大，可以实现从管理数据存储基础设施到虚拟化软件，到对接公有云平台。总体来看其主要包括了三个方面的独特优势。
　　新华三集团计算存储产品线副总裁、存储产品线总经理兼首席产品经理 徐润安
　　一是，强调智能的全局观。新华三集团计算存储产品线副总裁、存储产品线总经理兼首席产品经理徐润安分析指出，智慧中枢数据平台构建全局智能，主动感知全球每一台接入存储的状态，提供监测、管理、分发、部署、升级等服务，并针对业务风险提前发出预警，构建全局化、可视化的管理模式，实现接入存储业务能力的全面提升。
　　智慧中枢也是新华三在数据存储领域非常重要的一步，在推进＂智能存储＂的大战略方向上，智慧中枢将起到承上启下的作用，其中全局智能成为了新华三智慧中枢突出的三大优势之一。
　　二是，强化AI给存储性能的加持。当前，随着数字新基建的进展加快，任何用户在专注自身业务创新的同时，都不想再为底层硬件所困扰而付出更多的精力与投入。为此，智慧中枢数据平台融入了强化AI的策略，专注用户最为困扰的问题，采取AI方式来解决，特别是针对用户数据存储容量、性能等具体需求，实现相应存储资源智能化匹配。
　　看似很容易的事情，却需要从存储底层出发，具备深厚的数据存储技术积累，甚至要为全新的SCM等介质实现更多具体优化，以此才可以真正实现AI的强化，并给存储带来性能加速，应对新数据、新应用的性能挑战，规避存储性能瓶颈导致的尴尬与风险。
　　三是，全面实现存储使用的灵活性。对于用户而言，以往的存储资源的使用都非常传统和繁琐，用户需要关注底层不同的Raid组、存储介质和存储设备。在受到公有云按需订阅的启发后，新华三推出了存储服务的智慧灵活之选，把公有云的使用体验搬入了企业数据中心，即用户不必再关心底层的介质、设备等差异，只需要搞清楚应用所需要的容量和性能，就可以像云一样使用、管理数据存储资源，灵活增加或者减少使用量，这样可以更大化将存储资源的价值整合起来，以服务的模式提供给用户，大大降低用户存储管理的复杂性和成本。
　　从之前发布的智能数据平台到现在的智慧中枢数据平台，新华三在针对数据存储的发展愿景越来越全面，发掘数据的价值，构建从边缘到云的全新数据存储平台。对于用户在使用体验上的更高要求，尤其用户关注的极简存储管理，也就由新华三的智慧中枢来完成。
　　针对存储管理方面，智慧中枢数据平台＂化繁为简＂的能力非常强大，值得一提的是，Alletra系列存储、X10000全闪节点也充分融入了智慧中枢数据平台的体系之中，为企业的智能决策与大数据分析提供专业的数据存储支撑。
　　NVMe驱动数据存储创新
　　Alletra引领闪存存储进入云智原生时代
　　新华三基于＂云智原生＂战略，不断将云和智能变成内生能力，随着NVMe驱动数据存储创新趋势越发明显，Alletra系列引领闪存存储进入云智原生新时代，成为当前数据存储行业中的新亮点。
　　那么，问题来了，Alletra系列如何体现＂云＂与＂智＂的重要性呢？
　　在云方面，Alletra系列在使用模式、数据管理模式、数据流动模式、资源供给模式上全面实现云化访问，统一资源及任务分发，实现云化的服务模式和体验。在智方面，Alletra系列在端到端的智能覆盖、空前洞察和自动化方面有着独特优势。
　　Alletra系列在＂智＂的方面表现特别突出。不仅实现了故障发生之前的预判与有效阻止，实现100%系统可用性。同时可以发现常见存储和IT管理问题，并对用户需求进行预测，基于应用程序调整基础架构。根据应用IO负载，自适应调整资源，省去了不少人工干预资源的麻烦。
　　目前，Alletra系列采用端到端NVMe架构，更利于存储性能的释放，具体产品线包括了面向核心关键业务的Alletra 9000和面向通用关键业务的Alletra 6000。
　　全球存储观察分析认为，新华三一直坚持不同产品不同定位，为用户不同需求提供数据存储基础设施。Alletra 9000适合部署在对时延和可用性要求极其敏感的环境中，用户需要存储提供持久且可预测的极致性能，以及恒久在线的可用性能力，非常适用于数据库、大规模虚拟化/容器及大规模业务整合等核心应用的业务场景。
　　Alletra 6000在性能、可靠性、数据效率和易管理性都有较严苛要求，也满足存储一致性的性能，以及在可靠性上的高效率运行能力，非常适用于数据库、开发测试、通用虚拟化/容器集群、存储整合等关键场景。
　　由此可见，在云与智能方面的优秀表现，加上基于端到端NVMe架构，Alletra系列不仅满足了用户对于产品高性能的需求，加上智能数据平台的有机融合，更是带来了闪存存储应用的几多安心。
　　专注用户需求的创新
　　＂又快又多又强＂彰显分布式全闪新优势
　　众所周知，NVMe可以为存储系统带来更高IOPS、更低延迟。为此，在NVMe技术引入与创新上，新华三一直在推陈出新，在集中式存储领域，如Alletra系列在端到端NVMe架构上的性能发挥。
　　而在分布式存储领域，新华三早已看上了分布式全闪的发展领域。随着高性能的NVMe分布式全闪X10828的出现，新华三从此拥有了业内非常值得关注的NVMe+SCM的分布式全闪产品。
　　对于新华三的X10000系列而言，实现了存储重新定义分布式全闪，具备＂快、多、强＂的优势。
　　快在于，分布式全闪也全面拥抱NVMe，实现了真正NVMe的全闪。值得一提的是SCM将小IO整合起来实现全局顺序写，非常有助于提高SSD性能和寿命。X10000融入了NVMe和SCM分布式存储的技术优势，单节点IOPS实现高达15万，满足用户千万级IOPS性能上可以搭建集群方式来实现。
　　多在于，实现了协议融合，成为全场景可用的全闪，不仅可以应用在数据库、虚拟化等传统关键业务，而且针对超算、大数据分析、AI、8K等应用也带来了极致性能的全闪支持。全闪对应用的全面支持，这是应对用户在数字新基建下越来越多元的应用变化最好的方式。
　　强在于，X10000系列非常在乎＂实用好用的全闪才是好全闪，才是真正的强者＂。没有重删压缩的全闪不是真正实用的全闪，X10000支持全局的重删压缩，支持用户所需的8+2/16+2大比例纠删码，可以进一步降低用户的数据存储采购成本，这又与用户长期关心的成本话题不谋而合，即＂能为用户省钱的分布式全闪才是好存储＂。与此同时，支持分层存储和数据流动，让数据孤岛成为历史，充分体现了分布式全闪满足用户在云计算与大数据时代下的数据存储新价值。
　　X10000分布式全闪的性能强大，一个非常重要的原因在于基于分布式缓存的技术，可以发挥出SCM介质的性能极致。针对IO优化上，将IO响应靠近应用层，提升性能效果非常明显。
　　只考虑性能的分布式存储好似耍流氓！在可靠性上，让软件与硬件配合更好，比如针对故障发现时，软件可以自动上报故障，保障系统可用性更好。
　　同时结合AI技术，对容量和性能的预测，降低用户存储运维工作复杂度。对于NVMe技术利用上，全面支持重删压缩。这些技术的叠加，从而让X10000的分布式全闪能力变得更为强大。
　　从行业的角度进一步分析来看，分布式全闪是近年来比较新的数据存储领域，其发展来自两个因素的驱动，即应用的需要和存储技术发展的影响。
　　其一，集中式存储实际上在数据库、虚拟化整合上已经应用多年，分布式存储在分布式全闪上的创新，可以胜任之前集中式存储在数据库、虚拟化整合应用等的核心领域的工作。
　　其二，存储介质的发展，来自闪存成本优化与变化，在很大程度上驱动了分布式存储在采用闪存上的创新。
　　加上当前新华三智慧中枢的打造，从而进一步满足了用户高性能、可用性、可靠性的需求，为用户提供存储即服务的方便，不用特别在乎底层到底用了闪存还是传统磁盘。
　　目前，新华三基于X10000存储为用户提供了广泛全面的解决方案，适用于金融、政府、运营商等数据中心场景。专注用户需求的创新，＂又快又多又强＂的分布式全闪的新优势得以充分的彰显。
　　智能存储，企业数据治理的＂基石＂
　　未来在云原生、智原生的发展驱动下，用户数据存储将对云与边缘数据中心之间的交互需求会更为明显。为此，新华三推出智慧中枢，打造基于人工智能、全连接的技术与方案，服务于用户数据从云上到云下的更好流动，实现云智原生的数据存储的持续创新。
　　与此同时，以Alletra系列存储、X10000全闪节点为代表的全新存储产品与智慧中枢数据平台相结合，更为有助于新华三＂云智原生＂的智能存储战略实现，也为用户数字化转型带来了更为先进的数据治理＂基石＂，赋能百行百业以智速赢未来。
　　（by Aming）
　　- END-
　　你
　　怎
　　么
　　看
　　？
　　欢迎文末留言评论！
　　【全球存储观察】本文和作者回复仅代表个人观点，不构成任何投资建议。