“存算分离”是大数据建设的必然趋势？存算协同才是真的香！

不知道大家最近有没有在冲浪的时候关注到一个词叫“存算分离”。这个词最近一直出现在我的视野里。我也用我的一些行业知识，与大家来说一说，到底要不要“存算分离”。

首先，先来说说什么是“存算分离”。我也翻看了很多资料，其实存算分离是最近潮流的一种架构，在架构设计和项目规划的时候经常被提及，有一定的适应场景，而且也是有一些弊端的。

但我是觉得存算是不能分离的。而且存算应该是协同的关系。为什么呢？

首先，通用的存储是一个“傻盒子”。

因为存储如果没有合适的方法或者人工干预，它只会根据当前的IO特性，以及确定的一些策略或者数据摆放的位置去为应用提供服务的。

但现在不管是高性能计算、人工智能训练还是大数据分析对应的数据访问模式是不同的。

其次，衡量存储的性能是两大指标，分别是带宽（吞吐量）和每秒I/O操作数（IOPS）。

但在实际使用时，肯定希望得到更“高”的IOPS以及吞吐更“大”(高带宽)，但做存储系统的小伙伴们肯定知道，如果一款存储系统中两样都要，是不太可能的。

但怎么才能将存储的效能达到极致呢？是不是如果存储能感知到应用就可以了。也就是说告诉存储，应该在什么时段，在什么区域去配置，之后为应用的不同计算阶段提供最好的存取效率和并行能力。这样是不是就解决了高性能的问题了。

所以如果真的“存算分离”了，怎么去实现呢？

但肯定有人会说，那如何做到存算协同呢？

其实可以从计算任务调度入手，控制计算任务的调度执行，让计算在开始执行之前给存储发送【提示性信息】，协助存储系统预判此次任务的IO模式，以做出策略选择和定向优化，才是王道。

存储系统如果具备了【应用感知】和【存算协同】，则可使存储系统变得可控、可视、可变，为存储赋予了【自我调节】的能力，主动