7.1超高性能要求场景

其主要场景是满足超高性能的读写需求，主要应用方向如下:

卫星每天与地面通信的时间是固定，在每天单位时间内，存储写入的速度越快，单位时间内卫星能够传输的数据越多，现行的解决方式构建大量的分布式存储(多个机房的存储)来予以实现，通过全闪存储作为前端存储缓存，结合后端传统存储，能够大大节省资源的开销(电力资源、碳排放、设备维护成本等);同时，高性能存储也可采用分布式部署方式，能够大大提升整体的业务能力。

新零售业务在每年促销时段存在超并发的交易行为，其对数据库中数据的查询、改写普遍采用并行实时计 算的方法，因此，存储的高性能需求强烈。

新零售业务超并发订单更多是计数，可通过缓存技术将产生的订单缓存后，再通过任务排队逐步写入到数据库中;同时，电商业务只记录订单，并不会实时同步查询库存数量，因此，对于数据库(数据库数据全部存储于存储中)的压力可以通过多集群、多队列、多缓存技术解决。

MPP并行运算由于其结构的不同，各节点间只能访问自己的资源，即形成单一资源利用，而MPP一般负责大型的数据运算，因此对于复杂的数学难题，其每个节点的计算速度决定了最终结果的计算速度。所以，提升单节点性能，对于MPP效率有足够大的提升(国家超算中心)。 而已知的单套节点(所有单节点，包括个人计算机)，其影响整体速度的并不在计算资源部分，而是存储资源部分，因此，全闪存储能有效提升计算效率。

7.2业务性能提升

IT业务中，根据日常运维的经验，80%以上的问题都是由数据库引起的，且整体业务访问耗时最多的环节往往发生在数据库层面，而数据库中的数据基本都在存储中存放，因此存储的读写效率决定了数据库的效率，根 据业务传递，最终表现在用户阶段，因此，提升存储的性能，即可以有效提升业务的整体性能。

而业务系统往往由网络设备、服务器、中间件、数据库、程序、存储等多个方面组成，在实际过程中，计算资源的性能往往是富裕的，甚至是过剩的，而存储系统，特别是机械性存储，由于机械盘片自身物理性质的原因，存在性能的物理上线，全闪存储多采用固态硬盘作为存储介质，能够有效解决机械硬盘的物理性能上线;所以，全闪存储能够有效实现业务性能的提升。

再次，全闪存储对于交易型的业务(银行、电商)提升效果显著，交易型业务普遍是高并发的业务，对于数据库的查询与写入有很高要求，而存储的I0PS直接影响数据库的并发性能，全闪存储高性能，可以有效提升交易型业务的业务处理能力。

7.3国产化算力释放

业务国产化替代过程中，需要替换大量国产化产品，如国产服务器、中间件、数据库、业务系统等产品，但国产设备在整体性能上与原有X86架构产品存在着较大差距，整体算力不足，造成一定的业务排队、积压等现象，GP高性能全闪存储产品，采用RDMA、NVMe-0F技术，使业务数据直接存储至NVMeSSD，减少CPU对数据存储的参与，将更多CPU算力用于计算任务，弥补了国产化设备算力不足的问题，同时，其具有的高吞吐、高并发、低延迟的特性，为业务国产化替代后提供快速的数据存取服务，提升业务整体性能，帮助业务快速稳定落地。

7.4超高性能数据库一体机

日常影响业务访问体验的问题多数出现在数据的查询与访问，而数据库一体机的三个重要的性能指标是存储设备的IOPS、时延、吞吐，而传统的机械硬盘和市面上主流的SSD固态硬盘，采用的仍是传统SATA接口或SAS接口，数据传输速度受限与SATA、SAS控制器带宽、数据的存储路径，CPU在存储上的开销也很大，想要提升数据库一体机的1/0、吞吐能力和时延只能依靠不断的增加硬件成本来实现。

数据库计算机节点与全闪存储深度集成后，数据借助零CPU开销的RDMA技术，通过计算节点PCle通道RDAM网卡直到存储节点，实现数据库高速直接的对存储单元进行读写操作，计算节点到存储节点的存储路径由传统存储7个节点减少到4个节点，时延毫秒级，压缩至20微秒以内，极大压缩了数据库一体机的访问时延，存储节点单机72GB/S吞吐带宽和1600万I0PS的超高性，能将数据库一体机的整体性能提升10倍以上，配合高密度可扩展、高可用、高可靠的特性，可以轻松承载重大行业核心应用复杂的数据库要求。

7.5AI训练加速方案

人工智能的应用场景越来越广泛，以GPT-3为代表的大模型技术已取得了前所未有的成功，ChatGPT已悄然改变众多行业形态。随着模型规模的激增，模型训练中的海量数据存取、高并发业务支持已成为影响AI发展的核心技术。在SIGMOD 2022会议中，学者专家通过实验验证众多主流模型训练效率，指出存储系统已成为AI模型训练的瓶颈，具体体现为:海量小文件I0PS压力大;带宽难以满足大数据量存取;CPU参与数据存取制约算 力发挥。

针对上述问题，绿算技术自主研发的NVMe-0F全闪存储产品ForinnBase GroundPool(简称:GP)，实现了NVMe、NVMe-OF、RDMA协议的芯片(ASIC)级卸载，具备NVMe存储协议高性能、零拷贝和网络化可扩展的特性，全面支持GPU直连和网络化高性能共享功能，在提供单机高容量、高带宽、高I0PS、高扩展、低延时、低功耗等特点的数据存储功能的同时，借助GPU直连存储技术(GPU Direct storage)和存-算分离架构(Diskless Architecture)，提供了为A!模型训练加速的解决方案，具备高效、灵活、经济等特点，能为AI企业IT能力升级提供了一站式服务。

上述两种方案可有效提升AI模型训练效率，减少AI模型训练等待时间，实现数据高效安全的集中存取,满足IT设施空间和能耗限制。

7.6通用场景

在常规的数据备份、数据迁移中，传统的机械存储的整体备份时间长、备份效率低(如某银行常规备份时间为3天一次，因为数据过多，一次备份周期在1天半)，而通过超性能的存储，能有效提升备份的速度，做到每天备份，有效的保障了数据的安全。

对于数据迁移能力，传统数据迁移的速度取决于存储的写入效率，超高性能的存储能有效提升数据迁移的速度，对于数据迁移能够有效提升整体迁移速度，保障业务的快速上线运行。