净碳中和是全球组织的优先事项，但我们距离实现这一目标还有很长的路要走。首先使用更少的能源可以帮助我们所有人更接近——尤其是在机器学习和人工智能时代面临日益繁重的工作负载的耗能数据中心时。
数据中心约占全球电力消耗的1%。尽管对数据服务的需求激增，能源效率还是帮助限制了这种增长，但国际能源署指出，对人工智能等资源密集型应用不断增长的需求将开始超过近年来的增长，这是一个重大风险。
与此同时，在普华永道的年度调查中，只有22%的首席执行官表示他们已经做出了净零承诺，另有29%的首席执行官致力于使最大的公司走得最远。无论您的组织处于该范围的哪个位置，在IT资源消耗方面，能源的费用和环境成本都不容忽视。
在Pure Storage，我们的重点是使客户能够利用数据做出更明智的决策。这项工作的一个重要组成部分是帮助他们评估如何在不消耗现金或瓦特的情况下实现预期的业务成果，以推动数据中心充满他们用来做出更明智决策的IT设备。
性能和效率的平衡
考虑到这一点，让我们考虑能源效率在计算中的关键作用，从消费设备到数据中心。
现代移动处理器已经采用了性能和效率优化的计算内核和专门的神经处理引擎的组合，用于机器学习应用程序。这些异构设备使智能手机和笔记本电脑能够在不牺牲计算性能的情况下提供更长的电池寿命。作为笔记本电脑和智能手机用户，我们只看到结果（快速，但电池寿命长）。但这种能量比例的关键是专业硬件功能和软件的结合，根据工作负载在适当的时间智能地使用不同的资源。
现代数据中心设施具有类似的异构计算功能，混合了传统的服务器中央处理单元（CPU）和更多特定于工作负载的加速器（图形处理单元等）。在数据中心中，像 Kubernetes 这样的大规模调度程序可以帮助放置由应用程序开发人员和运营团队提供的一些策略指导的工作负载。
无论是电池优化的移动设备还是超大规模数据中心，异构计算对于提供能源效率和比例性都至关重要。从异构计算设备创建可用系统的关键是操作系统，它抽象了下面的不同硬件架构。
高效的存储操作系统
但是数据中心的存储呢？从历史上看，系统架构师会引入完全不同的存储平台来满足不同的性能和容量要求，然后留下一个不守规矩的基础架构孤岛组合，每个孤岛都需要专门的、通常是手动的工作来管理工作负载放置和调度。这既低效又浪费。
我们现在拥有的技术——从四级单元闪存到存储级存储器——可以在单个架构系列下的性能和容量空间中构建非常不同的设计点，就像Pure所做的那样。例如，电源效率是Meta的一个因素，因为它选择在其新的AI研究超级集群（RSC）中部署Pure，Meta认为这将是世界上最快的AI超级计算机。
对于许多组织来说，复杂而僵化的遗留基础设施技术对实现人工智能承诺的智能新时代构成了障碍。为了帮助克服这些障碍，Pure 最新的产品系列通过独特的硬件和软件创新组合，降低了功耗和整体数据中心占用空间，在电源效率和性能方面实现了代际飞跃。
通过模块化架构以及存储计算资源和容量的分离，存储可以灵活、无中断地升级，从而提供一个高度可配置和可定制的平台，以有效地针对各种现代工作负载。
设想用于存储管理的数据中心级操作系统
存储平台的分离为创建高效的 IT 基础架构提供了更大的灵活性。它不仅使管理员能够为给定的工作负载组装适当的 IT 资源平衡以最大限度地降低成本，还允许他们根据需要独立执行不同资源的升级。
Pure 的新平台随着时间的推移而发展，符合客户需求，并利用几乎无限的可扩展元数据架构，提供比以前版本多一倍的密度、性能和能效。它还可以帮助最终用户在每瓦容量、每瓦带宽和每机架单元容量等关键指标上实现更好的性能，从而减少数据中心的整体占用空间。
但是，用于存储管理的数据中心规模的操作系统在哪里？如今，需要手动数据管理来提高陷入次优基础架构孤岛的工作负载的效率，从而减缓实现可持续性、成本和敏捷性目标的进展。
以代码形式提供存储可以解决这个难题。Pure Fusion 是 Pure 的自主存储模型，通过采用云计算模型的敏捷性和可扩展性，使用户能够通过自动化实现更好的结果。智能工作负载管理通过动态重新平衡工作负载来持续优化存储池。
在 Pure，我们为通过更好的科学推动创新而感到自豪，以便客户可以在数据中心构建更智能、更自动化的策略，以大规模提高能源效率。这对最终用户、底线和地球都有好处。
椰有料原创，作者：小椰子啊，转载请注明出处：http://www.studioyz.com/4102.html
文章评论