在数据中心业务应用中，存储总是“背锅”的对象，任何数据慢业务性能下降，存储系统的性能总是第一个被怀疑的对象。HPE的研究发线，60%以上的问题其实都不发生在存储端。存储AI应用，为问题的解决推开了一扇窗，与此同时，大模型为代表的AI快速发展，也带来了新的存储硬件架构重构的新趋势。
2023闪存峰会上， HPE中国区存储事业部总经理张楠以《开启AI重构新篇章 HPE闪存存储的智变之路》为题，揭示了存储系统设计的最新变化。
以下全文基于本次演讲速记整理而成：
今天我的演讲内容是想通过AI重构带来的新变化，我们在上周跟新华三联合发布了HPE新的闪存产品，这是一个划时代产品，应该可以引领未来5～10年存储市场的发展方向。
HPE的前身，惠普（HP）是在80年代进入中国的IT企业，1999年在中国就卖出了第一台存储，那个时代，如果大家去看用户机房或者数据中心的话，大概率会看到MSA存储，很多行业数据中心，如医院、政府、图书馆、科研单位都在使用MSA存储，那个时代的用户对存储的认知，就是存下来。
今天我们在市场上看到的存储产品，其底层都采用虚拟化技术。在2005年以前，EVA存储在底层已经做到了虚拟化，大家可以想一下2000年初的时候，可以跨越阵列的100块盘去做RAID，到2005年～2015年，业务需求进一步发生变化，包括自动化智能、移动支付、出行生活和工作发生了很多变化，对存储的需求也随之发生了很多变化，尤其是2010年前后，虚拟化网关非常盛行的。很多用户会拿一个网关在存储之上去搭建起来统一的管理，虽然可能性能不好，可能也还会有很多的风险，因为网关是一个增加了的故障点，但是很多用户依然追求着虚拟化。一直到2015年，很多用户依然在做这件事情。
2015年被成为AI元年，直至今年的AI大语言模型，AIGC相关话题甚嚣尘上，对此存储其实是些应对乏力。大家如果了解HPE产品，也知道HP在17年前全球第一家存储实现了人工智能。过去6～7年时间，我们已经积累大量的实践用户模型，这个模型是指在应用上产生访存压力，我们有大量积累帮助我们可以更好的去实现AI应用。
当我们有了这些AI模型以后，我们就知道用户问题在哪，比如全球99%的用户这样配置他们的存储，它的性能是这个位置点，大概率你的存储会有这样的问题，这个模型可以去帮助用户去解决性能的问题，帮助用户大量减少运维时间。大家都知道，存储运维也有一个28法则，就是用户花了20%时间去解决80%的简单、非常简单的问题，但是却用了80%的时间去解决20%疑难杂症问题，如山东某制造型企业的用户，为了排查一个因为存储交换机参数问题，花费了3个月时间，因为他们根本不知道故障点在哪里，几乎所有合作方、运维人员现场排查了2～3个月，最后才定位到问题。但如果有了AI模型，可能只需要5分钟，就可以大概率知道问题发生在哪里，人工智能会帮你判断，这个就是存储人工智能的好处。
实际上，很多问题很难被发现，很多时候用户会说：存储运行平时看着挺健康的，无论压力大还是小，运行觉得还可以，但总觉得慢，与当初测试性能相差很大，也不知道问题出在哪里。这是因为很多问题是表象的，可能你的访存压力并不大，但延时很高，也许就是成千个虚机中的一个出现了IO冲突或者错误，影响了存储的FirmWare，一个虚机带坏整台存储，性能急剧下降。但是要想定位故障，对用户来说就太难了。
人工智能模型给存储带来的好处也是在过去几年，所有用过HPE主存储产品的用户会有一个体验， 3～5分钟就可以直接看到这台存储过去3～6个月，甚至一年时间存储性能的高峰和低谷，你可以看到这台存储设备为什么性能这么差，是磁盘的问题、端口的问题？还是存储交换机的问题?甚至应用的问题?我们都可以透过存储AI第一时间去发现过去发生的问题。
存储总是在背锅，一说数据慢业务慢，总觉得是存储的问题。我们发现60%以上的问题，其实都不发生在存储端。所以通过AI，我们可以解决很多这样的一个情况。
今天的演讲重点是存储硬件重构，他有几方面含义。
第一个含义就是架构，我们在未来产品上做了一个新的架构上的重构。
第二个是用户体验重构，用户的存储扩容、升级、运维，这种体验已经完全不再像过去了。
第三个是重构价值，有很多方面的因素，如绿色环保、降低投入等，这都是我们在承诺上要做的事情。
Alletra MP是存储重构的代表性产品, 我们叫AI原生存储。
为什么是AI原生？
刚才我讲到在过去七年，我们积累了大量经验在AI上面，所以在我们的控制器上，就集成了全球所有用户的使用习惯。这个习惯是植入到控制器里面的。随着FirmWare升级，用户就可以拿到最新的全球用户的使用习惯。这样做最大的好处就是：我不需要联网。大家总觉得你要做AI, 是不是要联网？确实如果你可以联网的话， AI效果会达到更好。但如果你不能联网，我们一样可以做这件事情，他会根据你的IT环境提炼出来最适合的性能、最适合的兼容性。
Alletra MP有三个重点的内容：
第一个是百分之百可靠性承诺。我们可以跟用户签署协议，承诺百分之百系统可用性，如果没有达标，我们会有相应的赔偿。
第二相对于上一代产品，我们有两倍的性能提升。
第三管理时间减少98%。
这几个数字，尤其是最后一个数字，大家可能觉得比较夸张，但这却是通过人工智能计算出来的，没有人工智能和有人工智能的差异就是这么大。
那么，话题回到架构重构的问题。
大家都知道传统存储主要是为了追求稳定性，但在灵活性、扩展性以及管理性，都没有软件定义存储那么的自由。对此，我们在这一代的产品上，强调的是流动的控制节点，固定的数据空间。对此，怎么理解呢？
无论我们做SAN存储、对象存储，还是文件存储，使用Alletra MP，你的计算节点是可以任意扩展的， 但存储资源可以不动。要知道，很多时候的用户需求，不过是增加一个新的存储协议，或者更好的存储性能，这种情况下，为什么我还要追加存储空间呢？
Alletra MP是一个完全存算分离的架构，好处就是更灵活、投资成本更低。用户可以一个节点为单位追加计算单元，而存储空间完全保持不变的，任意节点损坏，都不会影响系统的稳定运行，可靠性更高。目前，Alletra MP节点之间相对独立，但又完全关联起来，也就是说，A节点数据发生问题，需要切换应用，它可以按照A节点资源去进行切换。
Alletra MP作为天生AI存储，可以知道其每个节点的性能天花板在哪里，到目前为止，业内只有Alletra MP可以做到这一点，用户可以清楚的知道：性能消耗是30%，还是50%。如果有一台节点出现问题，这个节点里的一部分资源会切到B节点，另外一部分资源会切换到C节点，系统会平衡接管节点上的资源，这是一个被AI赋能的切换。所有事情都交由人工智能后端处理，去帮助用户解决问题。
目前应用市场发展都在看新的协议，包括NVMe、人工智能大模型等。我觉得大语言模型的出现，市场更加关注的是算力，但是我相信，存储的存力会变成下一波的刚性的需求。预计明年下半年，HPE也会有新产品和新协议出现，我们相信存储市场会迎来一个爆发期。
到那个时间点，我们的AI，我们的全新产品，包括架构重构，都可以帮助到用户，为用户提供一个更好的产品和解决方案。
