Osmium存儲分析師展望2026年及未來

Max Mortillaro和Arjan Timmerman于3月成立了專注于歐洲、中東和非洲地區的Osmium Data Group分析公司。他們在11月發布了數據保護Trendscape報告（Trendscape是該公司的旗艦市場研究文檔）。現在Osmium即將發布一份專注于主存儲的新TrendScape報告。我們就明年存儲行業的發展向這家分析公司提出了一些問題。

獨立對象存儲供應商的未來

問：幾乎所有文件系統供應商都支持S3，許多還支持英偉達的S3 Direct for Objects，您如何看待獨立對象存儲供應商的未來？

Osmium：我們認為關鍵在于實現方式的細節。雖然所有供應商都支持某種形式的S3協議，但它們可能不支持S3協議的所有擴展。其他要點涉及性能優化和并發多協議支持。這些對于需要基本對象存儲功能的客戶來說并不重要，但對于尋求優化對象存儲解決方案的客戶，我們認為獨立對象存儲供應商仍將繼續存在一段時間。

我們可以考慮性能調優或容量優化的對象存儲系統。這些系統幾乎總是能夠擊敗在其他功能（如文件和塊存儲）之上提供對象存儲的通用存儲系統。例如，小型部門使用案例或概念驗證活動使用統一存儲陣列提供的S3存儲桶就足夠了，但投入生產時可能需要轉向專用對象存儲系統。我們甚至遇到過客戶故障排除的情況，某個特定應用程序無法從NetApp AFF S3存儲桶正常工作，只有通過NetApp StorageGRID設備提供存儲桶后才開始工作。

總結來說，統一主存儲解決方案以及文件/對象存儲會有一定程度的侵蝕，但我們不認為獨立對象存儲會完全消失。

HCI/虛擬機管理程序市場發展

問：HCI/虛擬機管理程序市場將如何發展？

Osmium：對我們來說，博通收購VMware從根本上改變了該領域的游戲規則，特別是當您看到VMware如今的狀況時。VMware Cloud Foundation建立在原有SDDC愿景之上，但強制客戶使用整個堆棧，無論他們想消費哪個部分，這顯然是有代價的。

您可能認為Nutanix是顯而易見的替代方案，但事情并不一定那么簡單。定價并沒有顯著更具競爭力。您可能獲得相似的價格點，也許能從堆棧中得到更多，但產品仍然是分割的。您需要自動化的附加組件、其他功能的附加組件，當您組裝完整堆棧時，與VMware的成本差異并不如許多人期望的那樣顯著。

最終，從成本角度來看，我們認為這兩種解決方案基本相當。還有其他不太知名的選擇，聲稱更加開源，如在邊緣領域表現出色的Scale Computing、Starwind或Stormagic，以及HPE、Sanfor或戴爾等大型解決方案提供商。

如果您想優化空間，并且希望有一個緊密集成的計算和存儲堆棧，具有簡單的部署和操作，HCI仍然有意義。

使用全閃存陣列甚至入門級混合陣列，今天您可以實現類似甚至更好的效率。我們考慮的是Pure Storage或NetApp等供應商的低端系統，這些系統對于中小企業和中端市場使用來說已經綽綽有余。在該模型中，您可以避免深度鎖定在VMware或Nutanix生態系統中，并且可以運行替代虛擬機管理程序，無論是Xen、Proxmox還是其他產品。

我們的結論是，我們不會說HCI已經開始走向終結，但我們正在質疑它對未來的相關性。運行這樣的堆棧仍然有價值，但現在有更好的方法以更高效的價格點提供基礎設施。

傳統關系型數據庫管理系統支持AI需求

問：您如何看待傳統關系型數據庫管理系統發展以支持AI大語言模型和智能體需求？圖數據庫技術的知識會發揮作用嗎？

Osmium：我們坦率地說，我們不是這些技術的專家。話雖如此，我們確實認為，如果您試圖擴展傳統技術來支持根本上新的或不同的東西，您可能會遇到問題。

我們可以想象某種形式的網關或代理層，試圖彌合差距，允許傳統系統和更新的AI驅動技術相互交流。我們沒有完美地描述這一點，但想法是一種位于兩者之間的橋接技術。

那么問題就變成：您為什么首先希望這些系統相互交流？我們想到的唯一真正原因是我們稱之為企業IT中的分層現象。新技術往往作為現有技術的層次添加，但下層不會消失。它們只是不斷積累，幾乎像實驗中的地質層一樣。這通常是企業技術的演進方式。

從我們的角度來看，如果您今天正在實驗AI和大語言模型，使用原生工具、向量數據庫、專門構建的平臺等可能更有意義，而不是試圖改造某些古老的東西。我們可以理解為什么一些供應商可能推動傳統擴展，并通過向那些不一定有明確理由需要它們的組織銷售來賺取大量資金。

話雖如此，這種集成可能確實有有效的商業用例。我們只是覺得沒有很好的位置給出明確的答案。

存儲系統管理界面發展

問：您如何看待存儲系統管理界面的發展？全局命名空間、集群管理和AI性能/安全工具會成為基本要求嗎？自然語言界面如何引入AI智能體技術？

Osmium：這是一個非常有趣的問題。我們即將發布專注于主存儲的新TrendScape旗艦市場研究文檔。您提到的許多方面，如全局命名空間、集群管理和運營工具，都明確是評估標準的一部分——我們承認它們超出了主存儲的范圍。

從全局命名空間和集群管理開始：我們認為全局命名空間在現代存儲系統中是必不可少的。您希望在整個組織中全局查看和管理數據，因為這帶來的好處，無論是圍繞數據管理、運營可見性，還是壓縮和重復數據刪除等效率。

集群管理同樣重要，它直接與安全性等其他關鍵方面相關。數據安全態勢管理需要嵌入到集群管理中。您需要了解整個存儲平臺的環境、健康狀況、性能、配置和安全態勢的完整狀態。

供應商還應該提供默認安全的系統。這意味著開箱即用的合理、強化配置，而不是依賴客戶后來"做正確的事"。管理員需要將他們的存儲環境視為單一的生命體，而不是孤立的系統。這種端到端的可見性在處理惡意軟件、勒索軟件或其他安全事件時尤其重要。

關于AI性能和AI安全工具成為基本要求的問題，我們認為還沒有完全到達那里。一些供應商已經實施了基于機器學習的功能相當長的時間，在某些情況下，它們工作得很好。然而，有一種傾向是將一切都標記為"AI"，就像過去一些用于分析的基本統計方法被重新包裝為機器學習一樣。所以，這里需要一些現實主義。

至于自然語言界面和AI智能體，我們認為這是不可避免的，我們的期望是這些系統將在受限或帶外模式下運行。一些供應商已經在相鄰領域（如數據保護）這樣做，管理員可以與聊天機器人式的大語言模型交互。在存儲中，這可能意味著對性能指標、健康數據、集群狀態和類似遙測的只讀訪問。這些系統可以幫助管理員查詢數據、比較狀態、識別趨勢并協助故障排除。其中一些今天已經存在。

我們仍然持懷疑態度的是，允許這些界面在環境中執行實際操作。首先，存在信任問題。考慮到今天一些大語言模型輸出的質量和不可預測性，讓這樣的系統直接修改生產基礎設施將是一個大膽的舉措。我們已經看到了現實世界中約束不當的AI驅動自動化造成嚴重損害的案例，包括意外刪除生產數據庫。

我們很難想象許多首席信息官、首席技術官或IT主管會批準一個自然語言輸入可以觸發刪除文件系統、卷或數據集等破壞性操作的系統。這與數據不變性和風險管理的核心原則相沖突。

第二個主要擔憂是安全性。如果管理員可以通過AI層與基礎設施交互，整個堆棧需要端到端保護。任何薄弱點，無論是身份驗證、授權還是實現，都可能被利用。攻擊者可以通過AI界面本身操縱或繞過控制。即使有多因素身份驗證等強措施，糟糕的實現也可能使AI層成為攻擊向量。

由于這些原因，我們不認為完全自主的、執行操作的AI界面會很快在存儲管理中成為主流。

高端單體陣列技術發展

問：高端單體陣列技術（戴爾PowerMAX、IBM DS8000、聯想Infinidat）將如何發展，是否能夠抵御橫向擴展、多控制器節點、中端存儲的侵蝕？

Osmium：我們的觀點是，這更多是信任和買方信心的問題，而不是技術侵蝕的問題。這直接關系到這些系統所針對的客戶類型和行業。

毫無疑問，橫向擴展存儲架構已經顯著成熟。經過幾年的市場分析，很明顯許多橫向擴展系統是可大規模擴展的、提供強勁性能且穩健可靠的。

阻礙它們真正侵蝕高端單體陣列的不是能力，而是信任。當組織部署這些架構時，無論是軟件定義還是完全產品化的設備，決策很少是純粹技術性的。在高度監管和風險規避的行業，如金融服務，對風險的容忍度極低。

在這些環境中，決策者傾向于支持"安全的選擇"。很少有決策者想要被記住為做出后來失敗的大膽架構決策的人，特別是在監管審查和經濟處罰是真實存在的部門。

因此，雖然客戶可能決定與特定供應商的關系不再理想，他們可能會尋找IBM或Infinidat等替代方案，但仍然留在已建立的高端、企業級驗證的細分市場內。突然轉向根本不同架構的可能性相對較低。

我們確實看到在經歷更廣泛轉型的組織中更愿意改變，例如，那些構建更多云原生應用程序或從根本上改變設計和運營IT方式的組織。在這些情況下，架構轉變本身創造了考慮包括橫向擴展設計在內的新方法的空間。

總的來說，我們認為這將是一個漸進的演進。高端單體陣列仍有美好的年月在前面。它們將繼續受到挑戰，但替換不太可能，因為信任和風險容忍度，而不是技術，仍然是主導因素。

VAST的DASE架構理念傳播

問：VAST的DASE架構理念正在傳播。見證了HPE Alletra MP、NetApp專注于AI的ONTAP開發，我認為還有戴爾的PowerScale Project Lightning。您如何看待主流橫向擴展/集群雙控制器存儲系統的發展？用戶將如何受益？

Osmium：我們將VAST Data的分解共享一切架構視為真正創新的方法，并為此稱贊他們。我們現在看到類似想法出現在其他地方的事實是對這些架構原則的驗證。

當您將這些架構與更主流的解決方案（如雙控制器存儲系統或傳統橫向擴展集群）進行比較時，它變得有趣。最終，這歸結為用例：數據量、預期增長以及您試圖優化的內容。

如果我們考慮非常大規模的部署、大容量環境，可能在機架規模，已經有在受限外形因子內擴展得很好的解決方案。即使這不是完美的比較，Infinidat等系統可以在單個機架內提供非常大的容量，具有成熟的內部控制器和互連架構。從客戶的角度來看，您真的不需要擔心內部結構；最重要的是外部連接。

其他主流供應商也是如此。對于分解共享一切架構，您需要更仔細地考慮規模和外部依賴性，如連接性。這些設計在您談論多PB環境及以上、數十PB、數百PB，甚至可能EB級部署時真正開始發光。

有明顯的好處。獨立于計算擴展存儲、分離數據和元數據以及避免不必要的節點添加的能力可以提供更好的效率，理論上更低的$/GB（或者，也許更合適的$/PB）。但總是有權衡。您還需要了解這樣的架構轉變如何影響成本、復雜性和運營。

因此，在用戶受益方面，主要優勢是更靈活和高效的擴展。但這種受益是否實現很大程度上取決于規模、工作負載和組織背景。這不是通用答案，對于許多環境，更傳統的橫向擴展或雙控制器系統將保持完全充足。

這不是完美或絕對的答案，但這是我們的誠實看法。

Q&A

Q1：VAST Data的DASE架構有什么特別之處？

A：VAST Data的分解共享一切架構（DASE）是一種真正創新的方法，它能夠獨立于計算擴展存儲、分離數據和元數據，避免不必要的節點添加，從而提供更好的效率和更低的成本。這種架構在多PB甚至EB級部署中表現最佳。

Q2：HCI超融合基礎設施還有前景嗎？

A：HCI仍然有價值，特別是在需要優化空間和緊密集成計算存儲堆棧的場景中。但隨著全閃存陣列和入門級混合陣列效率的提升，以及博通收購VMware后定價策略的變化，HCI的未來相關性正在受到質疑。

Q3：AI智能體技術會如何影響存儲管理？

A：自然語言界面將不可避免地來到存儲管理中，但主要以只讀模式運行，幫助管理員查詢性能數據、比較狀態和故障排除。考慮到信任和安全問題，完全自主的執行操作的AI界面短期內不會成為主流。