近期业内流传一则消息：VAST Data已占据约6%的全闪存存储市场份额。这一数字颇为引人深思——在存储行业，6%通常代表着第二梯队的中坚力量，但VAST Data这个品牌，此前不少从业者还相当陌生。

然而，IDC很快对此进行了澄清与反驳。从本质上看，VAST Data仍属于存储软件公司，要与传统存储巨头直接竞争全闪存营收，确实存在一定差距。

尽管如此，这一传闻成功激发了业界对VAST Data的关注。加之AI市场持续火热，以及融资动态、升级为AI基础设施、云部署等新闻接连传出，越来越多的人开始探究这家独特的存储厂商。

VAST Data设计理念

传统存储市场，主要承载数据库与虚拟机等工作负载，因此块存储长期占据主导地位。过去数年间，块存储市场份额一度超过80%。进入云存储时代，格局发生显著变化：对象存储伴随互联网应用场景兴起，与块存储平分秋色，各自占有30%-40%的市场份额。然而，无论市场如何演变，NAS（文件存储）始终处于相对边缘的位置。

然而进入AI时代，形势开始逆转。为满足AI框架在数据加载和检查点（checkpoint）方面的性能与业务需求，许多存储系统被紧急从HPC领域调拨过来，以弥补传统对象存储性能和功能上的不足。

每一次存储市场的应急调整，都蕴含着新的机遇。

VAST Data从存储起步，与传统存储相比，主要在以下几个方面存在显著区别：

第一，专注全闪存架构。VAST Data放弃了HDD机械硬盘，完全围绕闪存和SCM（存储级内存）进行设计。这与Intel DAOS的思路相似，但DAOS是Intel为推广自家SSD+SCM而推出的。那么，VAST Data凭借什么脱颖而出？

第二，架构革新。VAST Data充分利用SCM介质特性，摒弃全局缓存，所有数据持久化且全局共享（通过NVMe-oF网络）。后端所有SCM和SSD，以及前端所有计算节点，均可平等访问。这彻底颠覆了传统存储系统的分布式缓存设计（即Shared-Everything模型，尽管VAST自创了此术语，国内部分厂商也在跟随）。真正实现线性扩展——性能与容量均可线性增长，扩展至数千甚至上万节点也无实质障碍，消除了大规模部署带来的缓存同步和节点间横向流量转发问题。

第三，成本控制。采用QLC（四层单元）SSD与SCM组合模式优化总体拥有成本。QLC的DWPD（每日全盘写入次数）或TBW（总写入字节数）通常针对随机IO场景，而VAST Data通过顺序大IO异步写入方式延长寿命，并配备146+4的EC纠删码保护。

第四，软件订阅模式。2021年VAST Data推出名为Gemini的软件订阅服务，颠覆了传统存储厂商软硬件捆绑销售的模式，同时打开了与头部厂商合作的机会——毕竟并行文件存储领域玩家寥寥。在非指定硬件情况下，其硬件曾由供应商A vnet提供，后续新增多家供应商，包括Google Cloud、CoreWea ve的GPU云，以及与Supermicro的合作。

第五，与NVIDIA深度绑定。作为早期布局AI存储赛道的厂商，VAST Data早在2019年便开始宣传其为AI场景设计的理念，当时切入该领域的厂商屈指可数。通过采用NVIDIA DPU构建存储节点，并与CoreWeave实现端到端NVIDIA硬件适配，成功塑造了“最适合AI大模型场景”的行业形象。

随着大模型热潮席卷，VAST Data自然成为AI存储赛道最受瞩目的明星。但其面临的挑战也十分清晰：Intel已放弃3D Xpoint技术，VAST Data的下一步战略将如何布局？

硬件架构

尽管VAST对外宣称是一家软件公司，但从本质上看，或许是为了避免重资产运营。此外，其架构基于软件定义存储（SDS）设计，便于灵活适配新兴环境。

在硬件架构中，VAST Data存储系统由三部分组成：计算节点（CNode）、存储节点（DNode）和网络设备。计算节点CNode与存储节点DNode之间通过NVMe-oF网络交换机互联。

计算节点为无状态设计，但后端存储节点并非如此，因此需增强其可靠性。每个HA Enclosure内含两个DNode，通过每个DNode上的PCIe交换机芯片，将NVMe-oF请求从端口路由至机箱内的SSD。

硬件网络架构剖析

整体架构划分为计算节点（CNode）与存储节点（DNode）。所有计算处理任务在CNode上执行，所有需持久化的数据及元数据则存储在DNode中。

所有DNode通过NVMe-oF网络与所有CNode相连——不存在传统意义上的控制器或机头，所有前后端节点完全对等。因此，也消除了传统存储中控制器故障导致的切换延迟。

此外，集群中所有CNode在启动时均通过NVMe-oF挂载集群内全部SCM和闪存SSD。这意味着每个CNode可直接访问集群中的所有数据与元数据。在DASE架构中，每一项内容——包括每个存储设备、每个元数据结构以及系统内每个事务的状态——均在集群内所有CNode服务器之间全局共享。

当需要读取数据时，CNode首先从SCM SSD获取文件元数据，确定数据在闪存SSD中的位置，随后直接从此超大规模SSD读取数据。看到这里是否想起什么？没错，这正是类似GFS的架构——客户端先访问datanode，从master获取文件位置，再至对应datanode获取数据。IT架构设计往往呈现螺旋式演进。

CNode采用容器化运行，具备无状态特性。任意一个CNode失效，对整个存储系统均无影响。VASTOS升级时，会实例化新的VASTOS容器，无需重启底层操作系统，从而将服务器离线时间压缩至数秒。相比之下，传统存储每次升级需选择业务低谷，预留数小时进行停机维护。

计算节点的无状态设计是优势，但后端存储节点并非如此，因此需提升存储节点可靠性。每个HA Enclosure包含两个DNode，通过各自PCIe交换机芯片将NVMe-oF请求从端口路由至机箱SSD。这意味着从网络端口到SSD全程冗余设计，这在分布式存储中较为常见。由于DNode不承担复杂业务，每个机箱采用ARM DPU作为DNode处理器。每组Enclosure内的两个DNode采用全Active-Active工作模式。

业务网络架构方案

业务集群与存储网络的连接有两种主流方式：

1. 业务与存储共用同一网络，均通过NoF交换机接入。

2. 业务系统经由CNode接入存储系统。

两种方案各有优缺点：统一网络接入灵活性较差——一旦确定使用以太网或InfiniBand便难以更改；而通过CNode接入，可根据业务系统负载灵活选择不同网络。

统一网络接入的优势在于网络统一、节省网口，且集中使用100Gbps网络交换机可降低整体成本。但若业务网络并非100Gbps，则会造成资源浪费。

后续两篇文章将进一步深入分析硬件细节、软件设计及商业模式等内容。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：企业级AI存储VAST Data技术架构的全面深度解析上篇要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题