在大數據世界“尋寶”，科研新範式如何用好存儲這把利器？_風聞
大数据在线-2020-11-15 22:03
模擬腦神經網絡，探索人腦上億個神經元之間是如何連接與工作的，帶來每秒高達100TB數據高吞吐量；腦疾病研究中，通過數萬份患者數據驗證抑鬱症與睡眠治理不佳的腦區有重合之處；在自動駕駛車輛每天產生了數十TB數據中訓練視覺識別算法；天文專家從數十PB海量數據中分析發現新天體……
如今在科研領域，數據正在發揮着越來越重要的作用。尤其是隨着數據採集、存儲等技術的不斷提升，海量數據的出現徹底改變了傳統科研模式。繼實驗科學、理論科學、計算科學之後，基於“數據密集型科學”的科研新範式在大數據時代下，受到越來越多科研人員的青睞。
在“數據密集型科學”的科研新範式驅動下，高校、科研機構加速構建人工智能與大數據平台、為不同學科提供創新基礎設施成為當務之急。但由於科研聚焦前沿研究，且不同學科之間存在着很大的差異性，造成對於數據的計算、採集、存儲、管理和利用的需求不盡相同，也讓高校的人工智能與大數據平台加速向更高水準演進。
數據要素成為科研的驅動力
科研範式因為大數據而迅速改變。
正所謂是“巧婦難為無米之炊”，即便理論再“高明”、算法再先進，缺乏數據的支持，再好的研究設計都得“半途而廢”。如果科研數據越多，研究人員就可以利用大量數據的相關性、可取代因果關係和理論與模型，基於海量數據間的相關性驗證更多研究想法和理論，獲得更多新知識和新發現。
例如，在當前非常熱門的類腦科學研究，有一個重要的方向就是多模態多尺度數據分析理論與應用。首先建立腦成像中心，全套磁共振成像設備對小動物或者人體進行腦成像，不斷採集和分析腦科學數據，構建起多模態多尺度腦數據庫；然後，在利用模式識別、深度學習等類腦智能方法尋找基因、腦影像和認知功能的診斷指標，以揭示腦疾病致病機制、提升腦疾病臨牀診斷以及藥物療效評估的準確性和效率。
如何理解數據密集型科學與之前計算科學之間的區別，兩種科研範式似乎都需要通過大量的計算、數據來完成科學研究。但計算科學通常是先提出可行理論，再蒐集數據，之後通過計算仿真進行驗證；而數據密集型科學則是先通過採集大量的數據，再通過計算與分析獲得新知識和新發現。
“數據密集型科學”的科研新範式核心挑戰還在於數據。科研數據的數據密集型，具有不可重複性、高度不確定性、高維、計算高度複雜等特徵。如今越來越多科研人員，面臨的不是缺少數據的難題，而是海量數據環境下如何存儲、管理和利用數據，這對於科研數據底座的存儲在容量、性能、擴展和管理等方面提出極高的要求。
薛向陽教授介紹：“我們正在建設一個人工智能與大數據的開放共享平台，就是希望為科研工作者解決數據存儲、管理和利用等方面的挑戰，讓數據更好地為科研所用。”
科研新範式不應被存儲所束縛
與其他行業相比，高校與科研機構在建立人工智能與大數據平台時，對於存儲的要求更高，往往需要存儲這個科研數據基礎設施有效解決數據存不下、管不好、用不順等挑戰。
具體來看，如今的高校與科研機構普遍都在加速向“數據密集型科學”的科研新範式轉變，多學科、交叉研究的現象很常見，都重視科研數據的採集與存儲，直接導致了底層存儲的巨大壓力。
以腦科學與類腦研究為例，其所產生的數據主要以影像大文件為主，幷包含了大量臨時小文件數據。由於需要存儲的數據量極大，並且始終保持着很高的增長速度，很多科研機構之前採用傳統縱向擴展的存儲很快出現明顯瓶頸；也有一些天文研究機構，一開始寄希望於通過公有云的方式來保存數據，但是隨着數據不斷積累，通過公有云的方式不僅帶來了額外的帶寬成本，還存在效率等方面挑戰。
“當前很多高校的研究都是基於大數據，首先最關鍵的是將數據存下來。”薛向陽教授直言道。
除了將數據很好地存下來，高校與科研機構大多都渴望將數據流動與共享起來，但現實情況卻是數據管理粗放、不夠精細化，數據共享低效、管理困難。比如在高校中，經常會遇到一份科研數據同時被多個課題組所使用，每個課題組都需要拷貝一份數據，在不斷科研過程中，又各自產生了大量不同的數據，最後衍生出多種版本，讓數據管理的複雜度大幅升上，降低了數據功效與流動的效率。
另外，因為學科的不同，對於存儲的性能、功能要求也是千差萬別，沒有強大的存儲做支撐，往往讓科研人員用不順。例如，從事機器視覺研究的人員，對於存儲空間極度渴求；模擬腦神經網絡相關的研究，當前只能模擬不到5%，要想100%模擬需要100 TB/s的通量，則對於數據存儲性能和帶寬要求極高，且挑戰巨大。薛向陽教授表示：“高校應用偏科學研究，很多應用都較為超前，對於存儲功能層面一直會產生新需求和新挑戰。”
“一直以來，浪潮都跟國內外多所高校進行緊密合作。高校科研領域的確走在數據存儲場景應用的最前沿。”浪潮存儲產品線副總經理周川如是説，“浪潮存儲有一些新功能、新思路都是在與高校、科研機構的深入合作中產生。”
例如，針對高校多個學科與多個課題組共享、使用、管理數據會產生多份數據的難題，浪潮存儲為用户定製的軟拷貝功能，在元數據和索引上做變更，用户視角是多份不同的文件，但底層則是共同的存儲空間，只有數據修改和寫入才會增加新的存儲空間，實現多份數據極速拷貝和使用，還大幅降低存儲容量開銷和管理成本，讓數據共享、使用變得更加高效。
浪潮存儲資深架構師葉毓睿介紹：“軟拷貝功能是浪潮存儲在科研場景實踐的一個小注腳，它帶來了兩大直接好處：一是數據共享加速，第二則是提升存儲效率。”
新存儲讓科研新範式步入快車道
今年初，國家正式提出加快數據中心、5G等新型基礎設施的建設進度。國家發改委之後則首次指出，創新基礎設施為新基建三大範圍之一，包括科技基礎設施、科教基礎設施等，重點支撐科學研究、技術開發等工作。隨着中國高校科研費用投入逐年增加，多個科研領域取得諸多突破與成果，創新基礎設施的重要性也日漸突出。
為此，浪潮存儲今年提出新存儲之道，在“雲存智用、運籌新數據”理念的基礎上，推進“存儲即平台”戰略，打造存儲的極致性能、容量、管理等七大核心能力，為創新基礎設施構建堅實的數據底座，讓科研新範式進入到發展的快車道。
例如，在一些注重數據存儲性能的科研場景，浪潮存儲專門為高頻訪問的元數據和日誌數據“開小灶”，採用SSD盤承載元數據和日誌數據顯著提升熱點數據訪問速度，並針對不同數據類型的場景進行優化，讓每種場景都能夠快速訪問、使用數據。
又如，針對高校與科研機構運維人員較少、專業度有限的情況，浪潮存儲基於智能存儲管理平台InView，將人工智能技術融入存儲系統，對存儲系統進行集中管理、智能監測和故障預測報警，大幅降低科研機構日常的運維工作，並讓運維走向自動化和智能化，從而更好地保障各種科研項目的順利進行。
不僅如此，針對高校科研領域對於數據存儲需求趨勢，浪潮存儲積極調研與深入溝通，在新存儲之道中聚焦新架構、新介質和新能力的打造，在EB級容量、億級IOPS、TB級帶寬、7個9可靠性、存儲自治等關鍵新能力上提前佈局，為科研的數據底座“厲兵秣馬”，提前做好準備。
總體來看，浪潮存儲近年來為構建強大的科研新基建不斷“加碼”，除了復旦大學類腦智能科學與技術研究院、清華大學RUSH、華中科大蘇州腦科學研究院、中國天眼等一系列明星科研項目中積累了豐富的實踐經驗外，還在科研領域打通用户需求洞察、場景功能適配與前沿技術創新，形成良性循環，讓科研新範式加速步入發展的快車道。