运筹新数据,中山大学精准医学中心的新存储之(2)
浪潮存储
在有海量存储为数据增长带来的容量挑战兜底之后,如何应对数据应用带来的挑战又是一个难题。“中心的数据在没有科研任务的时候基本都是冷数据,而当课题介入,研究人员需要检索和分析数据时,往往周期又很长,可能长达半个月。此时,又希望数据是热的。”肖华锋介绍道。好在浪潮存储过去四年一直都平稳运行,在容量和性能上都满足了需求。
未来需要新存储之道
随着生物医学大数据平台和生物样本库逐渐完善,精准医学相关研究与业务开始步入快车道,医学大数据中心在存储上未来又面临着新的诉求与挑战。
首先是数据的增长速度和增长量会比以往还要大,尤其是生物样本库建好之后,中山大学精准医学科学中心的多组学研究平台将以此构建起来,包括代谢组学、基因组学等,这些应用的上线与加码将进一步带来数据爆炸性的增长。肖华锋坦言:“中心的三个基础平台、两个研究平台和一个应用平台整体布局逐渐完善之后,预计存储一年扩展10P将会成为一种常态。”
另外,生物医学大数据平台基于人工智能相关的医学研究正在迅速增加,对于存储容量和性能提出更高挑战。
“中山大学精准医学科学中心是当下用户对于存储容量和性能诉求的一个典型代表。”浪潮存储资深架构师叶毓睿如是说:“面对一个数字化的智慧时代加速到来,浪潮提出了新存储之道,让存储朝着EB级容量、亿级IOPS、TB级带宽等新能力加速演进,来满足用户不断增长的需求。”
双方专家围绕精准医学大数据发展趋势进行交流和探讨
其次,中山大学精准医学科学中心医学大数据中心还将面临着新旧设备混用、不同厂商设备混用的情况,加上其数据量不断提升,设备数量也会随之增加,如何发挥各种设备的性能以及如何运维管理各种设备就成为极大的挑战。肖华锋直言:“我们中心运维人员很少,医学数据类三级等保对运维又有着极为严格的要求,迫切需要智能运维技术来减轻压力。”
事实上,存储融入AI技术加速走向智能化正在成为趋势。存储根据业务负载、运维管理等数据特征,进行不断的学习与优化,从而提供更加精准的预警信息和执行动作,让自身运维与管理走向智能化。叶毓睿介绍:“以浪潮存储为例,iTurbo智用引擎可以通过智能IO感知、智能多路径、智能数据组织、智能资源调度四大核心技术为业务应用提速;而智能统一存储管理平台InView则提供了性能容量预测分析、磁盘故障预测与定位等一系列智能化功能,规避硬件故障带来的风险和损失,有效降低运维压力。”
总体来看,精准医学依然处于起步的初期,中山大学精准医学科学中心作为先行者,对于医学大数据中心的建设有着深刻的认知,并且在架构选择上做出了明智的选择。未来,随着精准医学研究的不断深入,中山大学精准医学科学中心对于衍生出来的新存储需求与挑战也有着清晰的判断,其精准医学研究有望开启新局面。
文章来源:《精准医学杂志》 网址: http://www.jzyxzz.cn/zonghexinwen/2020/1110/344.html