現在越來越多的公司轉向邊緣計算來部署數據密集型工作負載，其中包括AI到預測分析再到物聯網。邊緣計算使IT資源更靠近數據生成的地方，而不是將原始數據傳輸到集中式數據中心。

[[328262]]

不過，邊緣模型也有其局限性。IT團隊必須找到克服常見障礙的方法，以提供支持其工作負載所需的計算和存儲資源。計算存儲是最有前景的方法之一，它可以將處理功能直接整合到存儲系統中，以消除I / O瓶頸并減少應用程序延遲。這使得在邊緣環境中處理大量數據成為可能。

邊緣計算

邊緣計算是一種分布式架構，可將數據中心資源移至網絡外圍進行處理和存儲。在很多情況下，這意味著將這些資源放在分支機構或衛星辦公室中。通過將數據和應用程序緊密靠近，邊緣計算可以減少網絡流量、簡化計算操作并提高關鍵任務工作負載的性能。這消除了集中式數據中心帶來的很多帶寬和吞吐量問題。

盡管有這些好處，邊緣計算也帶來挑戰，例如管理安全性、協調分布式系統以及在數據中心和邊緣環境間映射數據。最大的問題之一是克服計算和存儲資源本身的局限性，例如空間和資源需求。這些限制可能使企業難以最大化數據密集型工作負載的性能，尤其是當它們變得更加復雜且數據量持續增長時。

就其本質而言，邊緣環境通常受到可用空間的限制，因此很難托管設備以支持當今現代工作負載。可用空間可能僅限于辦公室的壁櫥或一角-在大小、電源和散熱方面受到限制-與功能完善的數據中心相比，提供的空間很少。

邊緣環境很少配備有可填充數據中心的高性能計算資源類型。盡管可以將最先進的服務器推向邊緣，但IT預算通常沒有這么多，特別是當企業仍必須在其數據中心中支持關鍵任務工作負載時。

由于這些限制，IT團隊很難在邊緣環境中獲得所需的工作負載性能。但這并沒有阻止他們嘗試其他方法。有些團隊部署全閃存存儲陣列、NVMe、GPU加速器和其他先進技術。盡管這些措施有所幫助，但不足以有效地支持現在很多更強大的工作負載所需的性能。

造成這種情況的主要原因是，傳統的計算/存儲架構固有地受到存儲設備和計算資源之間的I / O端口帶寬的限制。在處理數據時，必須通過這些鏈接，而這些鏈接的速度僅與支持它們的技術一樣快。通過擴展，在存儲和內存之間移動的數據越多，產生的瓶頸就越大。

這正是計算存儲派上用場地方，它通過將計算和存儲資源緊密結合在一起以最大程度地減少數據移動，從而消除了瓶頸，降低了延遲并加快了應用程序的速度。

計算存儲助你一臂之力

僅僅是將數據從一個系統移至另一個系統，傳統的計算/存儲架構就需要很多時間和資源，從而導致更高的延遲和更差的應用程序性能。而計算存儲是采用原位方法進行數據處理，僅將最少的操作從計算資源移到存儲系統內部。在這里，由于數據移動少，而且由于廣泛使用并行處理，企業可更快更有效地處理數據。

存儲系統代表計算系統預處理數據，以便最終僅將一部分數據發送到內存。通過最大程度地減少數據移動，你可以實現較低的應用程序延遲，并減少計算資源的負載，從而將其釋放給其他操作。

對于在邊緣運行的數據密集型工作負載，計算存儲帶來巨大優勢，尤其是那些無法承受延遲的工作負載。例如，企業可能會部署AI應用程序，以持續分析數據流到其存儲系統中。有時，每小時可能會有多達幾個TB。

該應用程序的目標是提供自動生成的報告，其中包括對當前操作的近實時見解。毫不奇怪的是，報告中的數據僅代表原始數據總量的一小部分。

在傳統的計算存儲模型中，當新數據可用時，數據必須不斷地從存儲移動到內存，這給I / O端口和計算資源帶來持續壓力。在這種情況下，報告很容易延遲或包含過時的數據。但是，如果在原地執行分析，則計算資源僅需要匯總的總數即可生成報告，從而可以更快更高效地進行操作。這還將對網絡帶寬和計算資源的影響降到最低，從而將它們釋放給其他負載。

計算存儲的美麗新世界

現在有多家供應商提供計算存儲系統，包括三星、NGD Systems、ScaleFlux和Eideticom。然而，這仍然是新興的行業，并且仍然是由供應商來決定如何更好地實現計算存儲，這可能會使系統集成有些困難。

為了提升計算存儲的部署率，存儲網絡行業協會正在創建標準來解決計算設備互操作性，并定義接口標準用于部署、配置、管理和保護設備。

計算存儲可以使邊​​緣環境中運行的任何數據密集型、延遲敏感型工作負載受益。邊緣計算的大部分焦點都集中在IoT數據，但對于計算存儲，數據源并不是主要關注點。首要考慮的是數據量、更新頻率以及你需要處理的數據。在評估計算存儲的價值時，企業必須考慮不同用例，以確定是否有必要投資于新存儲工具以提升性能。