高性能计算系统如何构建用于大数据分析的存储基础设施？

本文共计4947个文字，预计阅读时间需要20分钟。

高性能计算（HPC）存储系统在处理大规模数据时面临不足，难以满足当前高性能计算架构和应用程序的需求。主要问题包括：

1. 技术栈整合：难以整合来自多个供应商的技术栈。

2.存储系统：现有存储系统无法满足高性能计算的需求。

高性能大数据分析的存储基础设施传统HPC存储系统中的不足，使得这些系统不适合当前高性能计算架构和应用程序的需求。主要的缺陷：集成来自多个供应商的技术栈：当前的存储系统使用来自不同供

高性能大数据分析的存储基础设施

传统HPC存储系统中的不足，使得这些系统不适合当前高性能计算架构和应用程序的需求。主要的缺陷：

• 集成来自多个供应商的技术栈：当前的存储系统使用来自不同供应商的技术栈中的不同组件，有他们缺乏设计和交付端到端HPC解决方案的能力，这大幅增加了系统的复杂性，并且使得类型测试和质量控制等很多方面变得非常困难。
• 配置和调优过程中有限的自动化：多供应商HPC系统通常会包含一个逐步安装的过程，由于涉及来自多家供应商的各种组件，因此该过程通常周期非常长、难度非常高。这一耗时的安装和配置过程可能会影响项目的期限。
• 缺少对管理软件的关注：管理软件时HPC存储系统中非常关键的组成部分，因为它在整个系统的顺利运行中起着非常重要的作用。

直连式存储

存储区域网络（SAN）通常被设计为一个客户端/服务器系统，服务器通过名为总线的互联介质的方式连接到一组存储设备上。在一些情况下，客户系统直接同存储设备通信。这些类型的存储架构中的客户端/服务器系统直接同存储设备通信（不要任何通信网络），被称为直连式存储（DAS）。