云时代全闪存存储组织架构选择—超级融合(hyperconvergence)还是超大规模(Hyperscale)？

其实这个问题不单单适用于全闪存。更多的是探讨未来数据中心存储架构选择问题。

首先明说明以融合hyperconvergence、大规模Hyperscale定义等名词定义:
　　· 融合：扩展架构的服务器、存储、网络、虚拟化/集装箱式组件捆绑在一起作为一个预测试、预集成的解决方案。在这种体系结构中，组件仍然是不同的。
　　· 超级融合的：扩展的架构朝着融合基础设施更进一步，通过将软件定义的组件与商品化的硬件结合，封装成一个单一的解决方案——其通常是一款单一的设备。组件不再是不同的。
　　· 超大规模：规模扩展的架构，同时也是软件定义和商品化的，但其服务器、存储、网络、虚拟化/集装箱式资源仍然是保持独立的。每个组件是不同的，可以独立缩放。
　　综上所述，超级融合的基础设施是现代化的、合乎极端逻辑的融合系统;而超大规模则是现代化的、合乎极端逻辑的我们已经部署了30年的数据中心的方式。两者在特定的环境下都有其意义，如下图所示。　

未来数据中心存储架构是选择超大规模或超融合?
**超融合可以是更简单，更具成本效益的方法。个人更倾向中小规模数据中心用hyperconvergence超融合架构，成本低。
大规模数据中心采用hyperscale超大规模架构--存储和计算分离的解耦合架构。为什么呢?因为当部其基础设施架构的时候，很多时候更倾向于灵活性(或敏捷，如果您一定要使用该术语的话)要高于一切。**

一套超融合的系统提供了一个简化的类似于“搭积木”的方法来构建IT。对于那些正在寻求降低部署的开销，并扩大其云基础设施的精益IT组织而言，超融合提供了一个良好的解决方案。但其需要一套相对可预测的工作负载，在“数据本地化”是一个首要任务，这意味着应用程序或虚拟机必须尽可能的接近数据。这就是为什么VDI 会成为超融合的一个典型代表的原因所在了。用户希望自己的“虚拟C:驱动器”本地化。但这是不灵活的，因为其涉及所有元素的同步缩放。

一款超大规模的系统保持存储独立计算，从而使得企业能够在其业务需要时规模化其IT能力。数据中心和云基础设施的超大规模的方法提供了一种高水平的弹性，帮助企业能够快速响应不断变化的应用程序和数据存储需求。这也是一款类似于Hadoop和NoSQL、以及类似于OpenStack和Docker等云平台架构的更符合现代工作负载的架构。所有这些都是从独立的规模化缩放共享存储受益的分布式系统的例子。

**像亚马逊、谷歌和Facebook这些互联网企业都是超大规模数据中心。保持灵活性和可扩展性最重要，其存储架构都是采用超大规模(Hyperscale)即存储和计算分离的部署模式。这对传统公司来说也是很好的借鉴意义。
**