中 新建的连接存储在哪_华为存储 OceanStor SmartMatrix 架构

4d1df72c0daebf618ab3ef867f9ea772.png

之前说了写一个SmartMatrix的分享,正好前几天为了给别人讲SmartMatrix做了一个ppt,正好可以放到这里来。

Smart Matrix是华为高端存储的架构,在V3时代应用在18500和18800系列上,在V5时代也应用在了6800上,所以在OceanStor V5中6800也是高端存储。

Smart Matrix架构的特点可简单总结为以下四点:

  1. Active-Active
  2. 后端全互联
  3. 支持Scale Out
  4. 支持4坏3

前三点没什么稀奇的,第四点确实挺牛。

59627b58f08c22eba2b289cdcaf4ba5d.png
Smart Matrix 架构

接下来详细介绍一下这个SmartMatrix,首先看看硬件结构

497b109d3549201b51ce561c19d0df08.png
OceanStor 18000 硬件结构

系统机柜bay 0中的KVM+SVP组成了OceanStor的管理部件,ABCD四个控制器放在一个控制框,各个控制框之间通过PCIE交换机互联。

ae55738f10b24dc3c71093c99bff77a6.png
OceanStor Smart Matrix控制器连接

同一个控制框里的四个控制器是通过背板互联。

A-B,C-D之间通过2个双工8 lane链路,能提供的带宽为256Gbps

其他控制器之间的连接链路比上述两个少一半,为128Gbps

所以整个控制器之间的带宽为256 * 2 + 128 * 4 = 1024 Gbps //注意,单位都为是小b

3ed461e3818ade9fb96b03c4b8a319c0.png
OceanStor SmartMatrix Scale Out

通过PCIE交换机连接控制框,实现Scale Out

960fc7e6e8f385f560401053ee201beb.png
OceanStor SmartMatrix 后端全互联

控制框插槽L4,L5,R4,R5是4个控制器共享,用于插SAS 3.0板卡连接后端硬盘框

4c2703b856bd0766ab7a359c35f58e58.png
OceanStor SmartMatrix 持续镜像(全局Cache)

持续镜像也叫全局Cache,是华为OceanStor能做到支持容忍4个控制器同时3个失效的一个关键技术。

上图左边为传统架构,四个控制器的cache是两两互为镜像,如果A控制器故障,B控制器上还有一份镜像数据,所以数据不至于丢失,但是有两个后果:

  1. cache将会失效,数据将透过cache直接写到磁盘,极大得影响性能
  2. 如果B控制器也失效,业务将会中断

而图右边为OceanStor SmartMatrix 持续镜像,四个控制器的cache互为镜像,所以当1至2个控制器故障时,数据也不会透写保证了性能,当3个控制器故障时,业务也不会中断,保证了可靠性。

OceanStor Dorado V6据说号称支持容忍8坏7,应该是SmartMatrix中,全局Cache和后端全互联的又一次很大得进步。在官方的datasheet上8坏7也是光明正大的写上去了,也没加星号之类的,看来这个功能的实现是实锤了。

华为OceanStor Dorado永快永稳“芯”存储Data Sheet - 华为企业业务​e.huawei.com
4e85878306f08d530baf48921d3275f8.png

2d66fb1eaa2dbba30f48d55501147c7c.png

【文中ppt截图均为自制,素材和技术规格来自华为存储产品描述,技术白皮书】

OceanStor 18000 V5高端混合闪存存储系统技术白皮书

OceanStor 18000, 18000F V5系列 产品文档

【原创不易,喜欢请先点个赞,转载请注明出处】

专栏其他技术类文章

  1. 存储大牛:Powerstore X AppsOn是什么
  2. 存储大牛:DellEMC存储PowerStore产品概述亮点简单解读
  3. 存储大牛:什么是第五代存储,分别又是哪五代?
  4. 存储大牛:闪存增寿 - Wear Leveling磨损均衡
  5. 存储大牛:存储克隆Storage Clone简介
  6. 存储大牛:华为存储 OceanStor SmartMatrix 架构
  7. 存储大牛:[存储]容量单位名词解释 - 可用容量,有效容量,TB,TiB, GB,GiB的困扰
  8. 存储大牛:华为Dorado V6初步解读
  9. 存储大牛:存储-性能,IOPS,带宽,吞吐量,1TB数据需要多久写完
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值