本文来自twt企业IT社区，作者/方勇，原华为资深存储专家，深耕存储领域20余年。以文字解读优秀公司商业战略，洞察行业发展趋势。
1.什么是Computational Storage（计算型存储）？
2022年8月Gartner新鲜出炉了年度存储和数据保护炒作周期（Hyper Cycle For Storage and Data Protection Technologies,2022）报告，Computational Storage（计算型存储）位列炒作热点之一。按照SNIA的定义，计算型存储是一种具备计算型存储功能（Computational Storage Function）的架构，用于卸载主机处理或减少数据移动。
这种架构将计算资源（在传统的计算和内存架构之外）直接与存储或在主机和存储之间进行整合，使应用性能和/或基础设施效率得到改善。计算型存储出现的目标在于启用并行计算，从而减轻对现有计算、内存、存储和I/O的约束。
按照具体的技术形态，Computational Storage（计算型存储）又被分为三个大的类别：CSD（Computational Storage Device）、CSP（Computational Storage Processor）和CSA（Computational Storage Array）。
2.offload（卸载）是计算型存储设计思想的精髓
谈到计算型存储就不能不谈Oracle Exadata数据库一体机。2008年研发的Exadata是针对Oracle数据库进行优化的计算平台，用于解决传统数据库受I/O瓶颈引发的性能问题。在解决思路上，Exadata采用了颠覆性的设计思想-“offload（卸载）”，即将数据库系统中的数据处理行为从计算节点（数据库服务器）卸载到存储节点（存储服务器）进行并行处理，并且仅有计算后的最终结果会被返还给计算节点。这种设计方式大大规避了计算、存储和网络等硬件设备的I/O瓶颈对数据库性能造成的局限。
数年前笔者曾做过一次Exadata X5和国产数据库一体机之间的性能对比测试。OLTP场景下二者之间的差异主要体现为硬件配置差异带来的差距，换句话Exadata在OLTP场景下的加速效应可以忽略；而在OLAP场景下，Exadata“卸载”的设计带来2-3倍以上的巨大性能增益，诸如全库扫描体现出的性能已不再受到IB交换机网络带宽的限制。
Exadata“卸载”的设计思想可能是计算型存储早期的雏形，但是由于只能在Oracle数据库场景下使用，注定这项技术在市场上的推广受到极大的局限。
3.DPU的出现让普适型计算型存储成为可能
近几年DPU（Data processing unit）概念异常火爆，但是参与的企业多半隶属半导体行业，如：Intel、Marvel、Samsung等，所出产品也多属于CSD或CSP的范畴。初创公司Fungible在自研DPU芯片同时，开发了一套分离式存储平台（Disaggregated storage platform），其设计核心理念和Exadata如出一撤，就是将数据应用的数据处理环节“卸载”到存储端进行执行，并通过专用的DPU芯片实现加速。因此，Fungible存储操作系统的软件模块除了包括常见的存储（存储协议、EC、消重、压缩、复制等）、网络、安全等功能以外，还增加了数据分析的类别：数据库、大数据、Serverless等富数据应用的协同模块被包括其中。应用运行在计算型存储平台，据称，“在DPU上使用单线程，将X86服务器上的MySQL查询与基于DPU的存储集群进行比较，查询时间提高了75倍；使用正则表达式匹配，拿软件实现与DPU加速操作对比，吞吐量提高了27倍。”
4.HPC应用正成为计算型存储技术被最早的实践场景
除了作为供应侧的厂商在进行计算型存储的创新努力以外，作为需求侧的最终用户也在进行这样的尝试。美国阿拉莫斯国家实验室(LANL)是世界上最大的科学和技术研究机构之一，它在国家安全、太空探索、可再生能源、医药、纳米技术和超级计算机等多个学科领域开展科学研究。阿拉莫斯的工程人员预计他们的Trinity超算系统在2023年将达到10PB DRAM、100PB Flash存储和0.5EB磁盘存储的规模。在不断发展中的HPC环境下，数据存储环境面临巨大的挑战，譬如：
(1).面对CPU频率增益已不复存在、计算内核从1000增加到100万、基准FLOPS在增加，效率却在降低等现实挑战，在PB乃至EB数据量级的数据存储环境下，如何利用横向扩展架构实现更高性能？
(2).在系统规模不变大的情况下，如何让存储系统跑的更快？
(3).如何更快的解决文件固定尺寸的问题？
为了克服这些挑战，阿拉莫斯的工程师与各类科技厂商合作探索计算型存储的创新实践。对存储在文件系统上的数据处理进行“卸载”是设计的核心，为此将每个处理环节涉及数据处理部分卸载到DPU，以近盘/近存储计算来大幅加速数据处理效率。阿拉莫斯在实践中通过Eideticom FPGA加速器和Nvidia BlueField-2 SmartNIC构建具备数据处理加速的闪存磁盘框（ABOF），将数据访问速度提高了10-30倍。
此外，阿拉莫斯还尝试和SK海力士构建了计算型存储SSD，通过索引关键值存储数据，将仿真输出分析速度提高了1000倍。
5.除了提升数据处理性能，计算型存储对现代数据中心的绿色节能有现实意义
2015年三星半导体实验室的一项研究1表明，分布式计算环境下的数据移动将会导致更高的能量消耗。即在一个上千节点的计算集群中，数据移动能耗几乎是计算能耗的两倍以上，而在单个计算节点上，这样的比例则不到5%。数据中心的高能效设计已是趋势，如：“东数西算”工程对数据中心PUE（电能利用效率）要求为<1.2。然而“东数西算”当前更多是资源配置层面的构想，让我们大胆想象一下，如果未来计算型存储技术可以实现跨域的配置，那么真正意义上的“东数西算”就会变成现实，而数据中心资源的高能效将会走向一个新的高度。
今天计算型存储尚处在发展早期，当前行业实践也主要发生在HPC和公有云的应用场景，但是在数据库、私有云、大数据、AI等富数据应用场景下，计算型存储同样会存在很好的应用前景。然而任何一项创新技术都需要时间在市场去验证其实用价值，Gartner将计算型存储位列在Hyper Cycle的炒作曲线上升位置，但是市场渗透所需时间还是定义为5-10年之久。不过正如历史上的电子支付、电子商务、智能手机等颠覆性技术的出现，如果一项创新技术显露出十倍乃至百倍的效率替代时，那么阳光最终会出现在并不遥远的未来。
