公元前586年，耶路撒冷的第一圣殿被入侵的巴比倫軍隊摧毀，所羅門王朝的恢弘建筑只留下一座“嘆息之墻”。從此開始，“嘆息墻”經常被比喻為那些時代難以跨越的鴻溝。在大數據與智能時代，千行百業擁有了前所未有的數據種類、數據存量和數據應用方式，但這些海量的數據也同時造成了嚴苛的挑戰，給很多行業、企業塑造了一道由數據組成的“嘆息墻”。

　　想要以超高的算力、多元化的智能算法攻克產業難題，拓展價值邊界，首先需要跨越數據鴻溝，將龐大的數據由負擔轉化為助力。

　　尤其對于HPC（高性能計算）場景來說，豐富的數據正在帶給計算體系以深刻的價值變革，推動HPC的任務目標、任務實現方式與應用承載方式產生一系列升級。HPC正在走向HPDA（高性能數據分析）的躍遷之路。

　　3月23日，華為宣布創新數據基礎設施體驗中心及行業創新體驗中心在成都落成，該體驗中心旨在搭建一個面向全球政府、金融、醫療、教育、能源等行業的技術交流與合作平臺。在參觀創新數據基礎設施體驗中心的過程中，華為推出的下一代數據湖解決方案OceanStor Pacific讓我產生了不小的興趣。

　　讓我們從數據與計算的新發展周期說起，聊聊華為OceanStor Pacific給產業探索帶來的新可能。

　　不能讓數據成為“嘆息墻”：HDPA為何是大勢所趨？

　　以往的HPC場景，或者我們在廣泛定義中的超算系統，雖然也要有存儲系統作為支撐，但其主要解決的是數值分析、模型分析等靠近數學側的問題。HPC的目標相對單一，其價值主要是作為底層科研工具支撐社會的發展。

　　但隨著技術的進步和產業需求的發展，超級算力正在與越來越多的現實產業與科技探索相結合。而這就引出了一個關鍵的問題：HPC系統需要應對、存儲、調用非常復雜的現實數據。

　　在今年，新冠疫苗成為了社會關注度最高的話題之一，而疫苗研發的背后就有HPC對蛋白質分析、病毒模型解析等海量數據的處理能力。這場全球抗疫的關鍵賽跑，同時也蘊含著算力與數據間的一場競賽。

　　HPC與真實產業、現實場景結合的案例正在不斷激增，自動駕駛、油氣勘探、精準天氣預報、天文觀察等等場景，既需要強大的算力，同時也需要計算系統負載和處理差異化明顯的不同數據。比如自動駕駛需求處理大量視頻與傳感數據、交通安全需要處理海量圖片數據，而這些數據帶來的壓力，構成了超算體系進入智能時代的主要挑戰和進化方向。隨著計算能力本身的提升，加上大數據、AI等新興技術與傳統HPC的結合，超算系統走向數據密集型、多元化處理能力已經成為了確定性需求，這也就是從HPC到HDPA的演變必然性。

　　而想要確保這場演變順利完成，我們可以發現超算系統需要克服三大挑戰：

　　1、首先是數據量的持續指數級增長。

　　以油氣勘探生成3D模型為例，模型的精準化將帶來十倍的數據膨脹；而一輛自動駕駛汽車測試，每天就將產生60TB的必須長期保存數據。應對真正的海量數據，成為了HDPA時代的第一課。

　　2、數據負載類型多元化。

　　與傳統的數據存放類型相比，新周期的數據負載將出現數據多樣化統一存放、處理的巨大變革。并且在數據混合負載的基礎上，還需要支撐更頻繁、便捷的數據調用、數據遷移等操作，給數據體系帶來了眾多全新壓力。

　　3、數據相關應用復雜化。

　　目前階段，AI技術正在成為算力投放的主要標的，數據應用的主要輸出點。但AI算法本身復雜多元，個性化極強。這意味著智能時代的超算相關應用將極大復雜化，帶給數據存儲以額外的挑戰。

　　這些挑戰意味著，數字經濟時代HPC正在由計算密集型走向存儲密集型。與此同時可以看到，HPC已經成為大國科技競賽中的重要賽道。在HPC體系中，數據基礎設施又處在發展相對緩慢的一環。2020年開始，超算中心已經成為“新基建”規劃中的主要建設方向，而新基建中的超算中心，顯然應該是能夠承載多樣化數據、海量數據規模，與國計民生緊密相聯的計算體系。而這就需要能夠支撐HPDA演變的數據基礎設施升級。

　　為此，華為推出了OceanStor Pacific系列下一代數據湖存儲，推動HPC向HPDA加速演進。

　　下一代數據湖：華為海量存儲，OceanStor Pacific帶來的變革

　　從HPC向HPDA演進，首當其中是要提升各產業數據中心、超算系統的數據存儲、負載、調用能力，而這就需要數據湖相關產品完成能力上的進化升級。

　　2011年，業界開始出現數據湖相關概念，所謂數據湖，是指對自然、原始格式數據進行全量存儲的數據基礎設施。數據湖可以承載原始數據直接存放的容量挑戰，同時支持AI、可視化、大數據分析等關鍵應用的演進。

　　作為HPC的數據搭檔，數據湖需要在HPDA演進中扮演關鍵角色。在目前階段，新車的研發時間由6年縮短為2年，基因測序時長由13年縮短為僅僅1天，油氣勘探的精度由二維提升到三維，這背后都需要數據湖完成數據存放、調用的支撐。

　　在華為看來，數據湖的升級演進主要需要完成三大目標：

　　1、超高密設計：數據基礎設施的升級，不能以無限制投入空間和投資為代價，所以數據湖產品的高密設計是必由之路。存儲產品需要在有限的空間下，完成海量數據的有效存放。

　　2、面向混合負載：面向產業級的超算體系，一套存儲必須支持支持不同業務流程、產業環節的混合負載。以油氣勘探為例，過往數據采集、解釋、處理每個環節的業務能力對存儲的需求都不同，只能搭建多套存儲來應付，而這會造成大量遷移成本和風險。數據湖產品必須實現多數據、多業務的混合負載，完成對產業級超算的支撐。

　　3、多協議快速流轉：面向產業超算需求，存儲體系需要能夠支撐不同數據類型的打通，支持多種數據種類、模塊之間的快速流轉。

　　面對這些趨勢，華為已經推出了全?；南乱淮鷶祿鉀Q方案。去年年底，華為正式推出了海量存儲OceanStor Pacific，能夠滿足HPC向HPDA的演進需求。OceanStor Pacific支持4096個節點，能夠支持混合負載、融合協議互通，可以說是為高性能計算、大數據乃至視頻存儲構建的新一代的數據湖存儲。

　　OceanStor Pacific分為兩款硬件。一款是被華為戲稱為“超級跑車”的OceanStor Pacific 9950，其高密設計可以有效解決海量數據的機房空間、能源消耗問題。高密高性能全閃存硬件，可以實現5U空間支持80個Half Palm盤，每U IOPS領先業界60%，每U帶寬領先業界30%。而高密大容量硬件OceanStor Pacific 9550，則被稱為“容量怪獸”，5U空間可以放置120塊大容量HDD盤，實現“1臺頂三臺”的容量提升。與此同時，OceanStor Pacific還在高密空間、便捷維護、散熱性能等設計上獨樹一幟，實現下一代數據湖價值的全面釋放。

　　HDPA時代，我們將見證的數據聚變

　　從華為OceanStor Pacific帶來的數據湖升級價值，我們已經可以看到海量存儲升級為HPDA時代帶來的價值演進。在數據基礎設施的升級下，超算體系可以更緊密與物理世界的海量數據融合，帶來超算能力參與到產業一線、科研前沿的全新可能。同時，智能化技術也可以在海量數據存儲的升級下得到更好支撐，我們知道數據、算法和算力是智能三要素，而數據的便捷、可靠、大容量，是產業級智能升級的開始。

　　HPDA時代，超算能力將從算力密集型的數學、機械等領域，向數據密集型的天文、物理、化學、地質，以及千行百業的生產力一線進發。而我們已經可以看到華為OceanStor Pacific在很多案例中帶來了這種價值改變。

　　比如在全球著名的SKA天文望遠鏡陣列中，上海天文臺就與華為合作，搭建了世界首臺SKA區域中心原型機核心業務存儲系統。在存儲能力升級的前提下，探索宇宙身處奧秘的SKA得到了更強的數據處理效率，加速了人類打開未知世界大門。

　　在挪威Lundin石油的深海油氣勘業務中，華為幫助其建設了匹配新型油藏模擬技術的存儲基礎架構，實現數據高效存儲、分析，并且能夠有效提升勘探精度，大幅度油氣勘探效率。在華為OceanStor 海量存儲的幫助下，挪威Lundin石油實現了冷數據分層存儲，存儲空間節省了73%，遠程復制容災效率極大提升。

　　這些案例僅僅是HPDA時代的開端，我們已經可以看到，在自動駕駛、基因測序、電影渲染、精準天氣預報、金融反欺詐等領域，海量存儲有著廣泛的應用前景，并且是數據計算能力提升的必然需求。

　　在HPDA時代，如山似海的數據不再會是產業發展的“嘆息墻”，而是行業智能化的跑道與發動機。