这篇文章将深入解析Pure Storage与Meta联合打造的人工智能超级计算机Research SuperCluster (RSC)的技术架构、核心优势以及其背后的存储解决方案。无论你是AI研究人员、IT架构师，还是对超级计算领域感兴趣的读者，都能从中获得清晰、实用的信息。
一、项目背景：Meta 的 AI 超级计算机 RSC
Meta（原 Facebook）正在推进其下一代 AI 超级计算机项目——Research SuperCluster（RSC）。Meta 表示，RSC 是目前运算速度顶尖的 AI 超级计算机之一，并计划在 2022 年年中完成部署后，成为全球范围内性能最强的 AI 超级计算机。
- 核心目标：助力 AI 研究人员构建更强大的模型，这些模型能够基于数万亿个示例进行学习，支持数百种语言，并能无缝分析文本、图像与视频内容。
- 应用场景：开发全新的增强现实工具，并为 元宇宙 的技术基础建设铺平道路。由 AI 驱动的应用与产品将在该平台中扮演关键角色。
小提示： RSC 并非普通的服务器集群，它需要处理海量的结构化和非结构化数据，因此对存储系统的性能、可靠性以及扩展性提出了极为严苛的要求。
二、为什么 Meta 选择 Pure Storage？
Meta 之所以选择 Pure Storage 作为合作伙伴，关键在于 Pure 能够提供强大且具备可扩展性的存储能力，完美契合 RSC 的复杂需求。Pure 是 Meta 的长期技术供应商，早在 2017 年就参与了 Meta 第一代 AI 研究基础设施的设计工作。RSC 是双方长期合作结出的又一硕果。
Pure Storage 首席技术官 Rob Lee 表示：“为元宇宙赋能的技术，需要大规模且强大的计算方案，以即时分析不断增长的数据量。Meta 公司的 RSC 是超级计算领域的一项重大突破，我们非常荣幸能够参与到这一项目中。”
Pure Storage 的技术优势
- 简易性： 管理流程简便，有效降低运维复杂度。
- 可靠性： 提供经过验证的 99.9999% 可用性，确保业务连续性。
- 可持续性： 在追求环保的前提下，通过高性能架构优化方案，从容应对大规模 AI 工作负载。
- 高性能： 支持结构化和非结构化数据的快速分析与处理。
三、RSC 所用的 Pure 存储解决方案详解
以下是 Meta 的 RSC 具体采用的 Pure Storage 产品组合：
1. FlashArray//C — 高容量企业级存储平台
- 核心特性： 专为要求严苛的环境设计，提供超高系统整合率，有效节省空间。
- 性能指标： 经过验证的 99.9999% 可用性，以及 毫秒以下的超低微秒级 I/O 延迟。
- 独特架构： 采用 QLC 架构，使存储阵列能够满足 RSC 环境对性能、功耗、密度和空间利用的严格要求。
2. FlashBlade — 全闪存文件与对象存储解决方案
- 设计目标： 专为整合高并发的文件与对象数据存储服务而设计。
- 并行能力： 借助一套大规模的并行运算平台，能够为 数十亿的对象和文件 提供超高性能的存储服务。
- 适用场景： 非常适合 AI 训练过程中大量非结构化数据（如图像、视频、日志等）的快速读写与处理。
小提示： 在构建类似 RSC 的超级计算机时，需注意存储与计算节点之间的网络带宽匹配。Pure 的 FlashBlade 通过并行架构有效消除了传统 NAS 的性能瓶颈，特别适合大规模分布式 AI 训练场景。
四、常见问题与解答
问题1：RSC 超级计算机与普通的 AI 服务器集群有什么区别？
答： RSC 是为处理超大规模 AI 模型而专门设计的超级计算机。其具备以下特点：
- 超强算力： 训练模型的数据量可达数万亿个示例，远超常规服务器的处理能力。
- 统一存储： 需要同时高效处理结构化和非结构化数据，且要求极低的延迟和高吞吐量。Pure 的 FlashArray//C 和 FlashBlade 分别针对这两类数据进行了优化，形成了互补的解决方案。
- 长期可靠性： 99.9999% 可用性意味着年计划外停机时间不超过 31.5 秒，这是普通企业级存储难以达到的可靠水平。
问题2：Pure 的 QLC 架构在 AI 场景中是否足够快？
答： 是的，完全足够。传统观点认为 QLC（四层单元）闪存速度不如 TLC，但 Pure 的 FlashArray//C 采用了独特的 DirectFlash 模块 和 Purity 操作系统，有效消除了硬件控制器的性能瓶颈，实现了微秒级延迟。在 RSC 这种对功耗和空间要求极为苛刻的环境中，QLC 的高密度、低功耗优势比极致的绝对速度更重要。对于需要更高性能的元数据密集型操作，Pure 还有 FlashArray//X 等 TLC 产品可供选择，但在 RSC 的应用场景下，QLC 已完全能够胜任。
问题3：Meta 为什么会选择长期合作 Pure，而不是其他存储厂商？
答： 主要基于以下三点考虑：
- 历史基础： 自 2017 年起，Pure 就为 Meta 的第一代 AI 研究设施提供存储支持，双方已建立了深厚的技术磨合与信任。
- 性能与扩展性： Pure 的 FlashArray 和 FlashBlade 能够无缝支持从 TB 级到 EB 级的数据增长，且无需对现有架构进行大规模重构。
- 环保与可持续性： Pure 的产品在同等性能下功耗更低，完全符合 Meta 对数据中心碳排放的严格要求，这也是 RSC 项目的重要考量因素之一。
五、总结与展望
Pure Storage 与 Meta 的合作，充分证明了 全闪存存储在高性能计算（HPC）和 AI 领域的巨大潜力。通过 FlashArray//C 和 FlashBlade 的灵活组合，RSC 获得了无与伦比的性能、可靠性以及可持续发展能力。未来，随着元宇宙等新兴应用的兴起，对存储实时数据处理能力的要求将进一步提升，Pure 的解决方案将继续发挥至关重要的支撑作用。
如果你正在设计或运维 AI 训练平台，不妨参考 RSC 的存储选型思路：对结构化数据采用高可用、低延迟的块存储，对非结构化数据采用高吞吐、具备并行能力的文件/对象存储，并确保两者都具备灵活的弹性扩展能力。