F5數(shù)字圖書館 | 基礎架構復興（下篇）

編者按語–在數(shù)字化企業(yè)架構轉型的過程中，技術領導者必須構建一個能夠為應用和數(shù)字服務提供有力支撐的基礎架構，以幫助企業(yè)存活下來，并在數(shù)字經(jīng)濟中實現(xiàn)蓬勃發(fā)展。顯而易見，強勁的市場趨勢正推動新的領先基礎架構的出現(xiàn)。這包括將工作負載從公有云中遷出，將應用分發(fā)到邊緣、向工業(yè)物聯(lián)網(wǎng)企業(yè)轉變，以及保護應用數(shù)據(jù)和訪問權限免遭網(wǎng)絡攻擊者竊取。

焦點變化：密度和經(jīng)濟

過去的孤島式數(shù)據(jù)中心只支持將有限數(shù)量的應用分配給位于固定位置的少數(shù)用戶。這些應用主要運行在人工維護的基礎架構組件上，這些基礎架構的選擇主要是出于對可靠性的考量，其次才考慮性能。應用基礎架構或運行時是否高效或緊湊并不重要。這導致當時的數(shù)據(jù)中心功耗極高、占用空間特大。因此，公有云的采用不僅被企業(yè)視為一種更快的基礎架構實例化方法，還被視為一種降低功耗和成本的方法。

但現(xiàn)在情況已然不同，這就需要我們重新審視所采用的基礎架構，以滿足新技術和標準的需求。從目前來看，未來將存在大量分布式應用，面向數(shù)量龐大的高流動用戶。那么數(shù)字化企業(yè)架構需要具備哪些特征呢？面對數(shù)量龐大的分布式實例和用戶，以及通過采用新標準所獲得的新功能，我們需要重新關注效率和成本。幸運的是，新興基礎架構支持我們在不犧牲性能或可靠性的情況下，提高效率和降低成本。

ARM競賽

您可能會驚訝地發(fā)現(xiàn)，我們提到的行業(yè)應對位置和密度轉變的部分方式是基于移動計算做出的，并且（可能）已經(jīng)影響到您個人。如果您使用iPhone或較新的蘋果電腦，就會用到ARM處理器。ARM是一種處理器架構，對大多數(shù)CPU和應用所使用的主流指令集架構（ISA）——英特爾x86構成直接競爭。ARM處理器應用于許多移動設備中，并且正大舉進軍與網(wǎng)絡相關的計算基礎架構（稍后會詳細介紹）。

ARM處理器由總部位于英國的家用計算機制造商Acorn計算機公司于1985年開發(fā)，使用了一種不太關注常規(guī)功能，而更關注執(zhí)行效率的指令集：精簡指令集計算機（RISC）。這最終造就了常被簡稱為ARM的“Acorn RISC Machine”。1此外，這項處理器設計還被用作一種開放式通信標準，相對來說不受許可限制。ARM許可證比其他架構（除RISC-V以外）更便宜，并且可全面授予給廠商，支持他們根據(jù)架構自行設計芯片。蘋果公司的M系列處理器就是這樣開發(fā)的，還有亞馬遜也是如此。

盡管在過去的幾十年里還出現(xiàn)過其他ISA芯片變體，但大部分最后都銷聲匿跡了。如今，這兩個架構在CPU市場中占據(jù)主導地位。許多公司都已經(jīng)圍繞x86 ISA構建了自己的業(yè)務模型和軟件，而對ARM關注寥寥。然而，隨著分布式云和邊緣架構的興起，人們又重新對高效的RISC處理器架構產(chǎn)生了興趣。

性能對ARM成功的重要性

效率并不是人們將目光轉向RISC架構的唯一原因。得益于大型設計合作伙伴（尤其是蘋果公司）對RISC架構的采用，ARM內核歷經(jīng)連續(xù)幾代的改進，現(xiàn)已彌合了ARM處理器與英特爾x86的傳統(tǒng)性能差距。ARM內核頻率同樣達到了千兆赫，不次于x86芯片。由于臺積電（TSMC）和三星代工產(chǎn)能的提升，ARM處理器的晶體管密度和每瓦性能都已趕超x86。

ARM處理器內核在傳統(tǒng)基礎架構中的使用也通過垂直整合的超大型公司（包括公有云）發(fā)生了重大變化。其中幾家公司選擇不再付費委托芯片廠商生產(chǎn)CPU，而是依照ARM標準自行設計設備。通過自主設計芯片，僅委托芯片代工廠進行制造，它們現(xiàn)在可以控制支撐其計算基礎架構的CPU設備的設計折衷、供應鏈以及成本結構。

在過去幾年里，蘋果公司的M1、亞馬遜的Nitro和Graviton以及Nvidia的Grace處理器都見證了從依靠傳統(tǒng)CPU廠商到自主設計芯片的轉變。我們預計這種勢頭將蔓延至微軟、谷歌、Meta等。

對市場的影響

這種轉變會對市場造成多大的影響？下圖顯示了這些新現(xiàn)實對x86和ARM市場份額的預估影響（由軟銀預測）。該圖顯示到2028年云環(huán)境中基于ARM的CPU將增長20%左右?？紤]到最近ARM采用率的上升，這一增長速度很可能超過該值。

與Wasm一樣，企業(yè)可利用ARM的新功能獲得所需的靈活性，通過高效利用這種新興平臺而適應不斷變化的需求。為了實現(xiàn)這一目標，最好選用能夠在x86和ARM上高效運行的開發(fā)進程和語言框架。同樣地，以前阻礙ARM采用的軟件生態(tài)系統(tǒng)屏障也在很大程度上消失瓦解了。Linux發(fā)行版現(xiàn)在普遍支持ARM CPU，而且Red Hat（OpenShift）和VMware（ESXi）等平臺即服務（PaaS）廠商也已支持在ARM上運行。

數(shù)字化企業(yè)的優(yōu)勢

下面就讓我們通過Amazon Web Services（AWS）來探討一下ARM的優(yōu)勢，AWS憑借其Graviton CPU，在公有云ARM采用方面處于領先地位。這個由亞馬遜設計的基于ARM的CPU構建的節(jié)點作為可租用的Amazon Elastic Compute Cloud（EC2）實例直接提供給客戶，也可通過托管AWS基礎架構和服務間接提供給客戶。

實際上，這些客戶的需求與您對數(shù)字化企業(yè)架構的需求相同：更強的適應性和創(chuàng)新自由。他們正嘗試通過可配置計算的密度和更低的運營成本實現(xiàn)這兩大目標。

這兩大目標也是首席信息官和技術領導者的共同目標，而公有云提供商可幫助降低運營成本，這一直是企業(yè)采用公有云的一個重要原因。

面向企業(yè)市場的CPU可通過效率和性能提升改善容量，特別是當結合使用能夠增加可配置計算密度的虛擬化或容器技術時。因此，當您對基礎設施進行現(xiàn)代化改造時，將作為服務的工作負載移動到成本較低的ARM節(jié)點上會帶來明顯的機遇和風險。能夠迅速遷移至成本更低的新型ARM環(huán)境的企業(yè)將迎來蓬勃發(fā)展，而拘泥于x86基礎架構上的企業(yè)將舉步維艱。

可能有人認為基于ARM的性能和成本服務工程只能給超大型提供商帶來優(yōu)勢，但xPU的興起正將這些優(yōu)勢帶給普通企業(yè)。

功能變化：xPU浪潮

正如我們在介紹中提到的，基礎架構的傳統(tǒng)構件在很大程度上已被商品化或變成了通用計算相關的軟件組件。然而，隨著工作負載日趨復雜，這種基礎架構的效率也在慢慢地下降，而對性能的期望卻在不斷地提高。

人們越來越擔心，我們正在接近基礎設施增長的人為地平線：摩爾定律緩慢而平穩(wěn)地走向終結。1965年，仙童半導體和英特爾的聯(lián)合創(chuàng)始人戈登·摩爾在不經(jīng)意之間創(chuàng)立了一條技術定律，即現(xiàn)在我們所熟知的“摩爾定律”。他預測集成電路的元件數(shù)量將每年增加一倍，這條定律靈驗了近半個世紀。摩爾定律認為，計算能力將隨著技術的進步而增長：新制造方法、新材料或更嚴格的工藝都幫助延續(xù)了這一定律。

但是有些人認為面對一系列的新問題——人工智能、量子安全密碼學以及日益嚴峻的應用威脅，我們需要拋棄這種傳統(tǒng)的通用計算理念，也就是說，摩爾定律不再適用。Dave Vellante和David Floyer觀察到，“根據(jù)摩爾定律，性能每24個月翻一番，或者說每年增加40%左右。而現(xiàn)在，CPU性能的提升速度已放緩到每年30%左右?！?

技術領導者通常會按照精心制定的時間表，平均每兩到五年更新一次硬件資源。對于打算通過現(xiàn)代化改造基礎架構來推進數(shù)字化企業(yè)轉型的企業(yè)來說，相對于性能和容量方面日漸甚微的改進，這種更新的優(yōu)勢似乎微不足道。

對于技術領導者來說，好消息是我們可以理解為摩爾定律只是在技術上講死亡了。正如許多行業(yè)觀察人士所指出的，如果將摩爾定律擴展到不斷壯大的“專用處理器”產(chǎn)品矩陣，性能將以每年超過100%的速度提高。下面就讓我們先探討下通用和專用計算之間的區(qū)別，要想通過現(xiàn)代化改造基礎架構來滿足全數(shù)字化企業(yè)的需求，就必須了解兩者的區(qū)別。

計算樣式

我們長期以來所使用的傳統(tǒng)復雜指令集計算機（CISC）處理器主要是解決廣泛的常見計算問題。隨著時間的推移，x86等CISC處理器添加了諸多新功能，例如浮點數(shù)學、分支預測等。借助這些新功能，處理器能夠在應用于大型應用任務時取得平衡的結果。但是實現(xiàn)該平衡的代價是：

·更高的復雜性，因為需要添加邏輯來檢測和應用優(yōu)化。

·降低某一處理器特性的性能，以維持另一特性的性能。

·最終，超高的處理器耗電量。

總的來說，通用計算解決方案沒錯，但可能采用了迂回路徑。為了解決這些性能和功耗成本問題，兩種不同的專用計算模式應運而生：特定域計算和透明輔助計算處理器。

特定域計算

“特定域計算”是一種根據(jù)可用的計算能力來特別定制要解決的問題，從而提升性能和效率的硬件處理類型。這種計算廣泛應用于AI領域，在AI領域常常使用圖形處理單元（GPU）來執(zhí)行復雜的數(shù)學推斷，以完成一些必須執(zhí)行的分析。有人發(fā)現(xiàn)，善于使用大量并行數(shù)學內核（算術邏輯單元或ALU）來計算向量的GPU特別擅長將這些內核用于除圖形顯示以外的其他用途。人們只需按照GPU的計算能力對問題集進行恰當?shù)牟鸱旨纯伞?/p>

透明輔助計算

另一種專用計算模式是“透明輔助計算”。透明輔助計算常見于計算主機所使用的通信技術，例如網(wǎng)卡（NIC）。由于對消息進行格式化以通過網(wǎng)絡傳輸?shù)牟僮魃婕岸鄠€重復的標準計算周期，計算廠商開始為網(wǎng)卡添加輔助邏輯，以加速某些需要主機的通用處理器執(zhí)行多個計算周期的元件。

這種類型的處理卸載已擴大到包括數(shù)據(jù)傳輸、安全性和網(wǎng)絡功能，這些功能都不需要修改軟件。現(xiàn)在將這些特性豐富的網(wǎng)卡稱作“智能網(wǎng)卡”，以將其與簡單的普通網(wǎng)卡區(qū)分開來。所有智能網(wǎng)卡特性的一個共同之處是都卸載了為應用所需要但在應用本身業(yè)務邏輯之外的的非核心功能。

異構綜合體：xPU

基于特定域計算和透明輔助計算，一種新型基礎架構“xPU”應運而生，給數(shù)字化企業(yè)架構帶來了巨大的希望。不同于傳統(tǒng)處理器命名使用狹義的執(zhí)行領域來代指特定類型的處理器，xPU是“一款涵蓋所有主要芯片類型的完整跨架構計算解決方案，將所有芯片都綁定到單個應用編程接口中，并將每項任務分配給最合適的處理芯片?！?

數(shù)據(jù)處理單元（DPU）是xPU的首批具體實例之一。DPU將若干處理器類型整合到單個單元中，旨在快速遷移數(shù)據(jù)。為了實現(xiàn)這一目標，DPU沒有作有限的純卸載智能網(wǎng)卡，也拒絕成為主機服務器的一個從屬組件。相反，它追求成為自成一格的服務器類系統(tǒng)，能夠托管全面的重量級軟件組件。

典型DPU是單個獨立的可啟動計算機系統(tǒng)，附加在另一個計算主機內。該計算節(jié)點支持沿著通信信道運行完全獨立的服務，如下圖中所示。DPU具備上一節(jié)中所提到的云提供商的服務拆分基礎架構的優(yōu)勢，而無需企業(yè)專為此目的創(chuàng)建和維護自定義計算。它只是在每個主機上提供了一個可配置的位置，在這里可以輕松執(zhí)行應用交付和安全性工作。

OOBM表示“帶外管理”；BMC表示“基板管理控制器”

DPU別具顛覆性，因為它為插入許多應用交付、安全和網(wǎng)絡功能新建了一個功能強大的位置。

它顯然不同于過去的物理設備插入點、單獨COTS節(jié)點或同節(jié)點sidecar。相反，此硬件允許將應用服務部署在主機服務器（方框）中，但實際上并不在主機CPU上運行，可確保性能不受應用計算的影響。它無需獨立的機架空間，不需要額外的COTS節(jié)點，也不會消耗主機節(jié)點資源（內核、內存、存儲）。

而且，按預測的市場價格，每節(jié)點的成本可能顯著低于傳統(tǒng)替代方案，支持在整個計算基礎架構中進行廣泛部署，如同AWS的Graviton2處理器。

幾年之內，這項技術將變得無處不在，助力企業(yè)實現(xiàn)（在采用適當軟件堆棧的前提下）亞馬遜通過采用ARM來支持基礎架構所獲得的成本和性能優(yōu)勢。

或許僅這些成本效益不足以使企業(yè)完全退出公有云。但如果結合采用更高效的運營模式（例如SRE方法），所帶來的優(yōu)勢將不容小覷。當將服務和遙測數(shù)據(jù)收集內置到應用之前的彈性層中時，SRE運維任務將變得更加可靠，并且不會與服務應用的計算相沖突。第7章更全面地探討了SRE方法和適應性之間的關系。

在這里值得一提的是，在采用SRE運維和退出公有云之間存在顯著的相關性。依賴SRE運維的企業(yè)退出公有云的可能性高出近十倍。4如果考慮到企業(yè)從遷移到ARM和DPU硬件中所獲得的經(jīng)濟利益，遷移優(yōu)勢將變得不容忽視，正如Sarah和和Martin Casado在“云成本，一個萬億美元的悖論”中所證實的。

結語

沒有人預料到，只是一臺將墨水涂抹到紙上的簡單機器的發(fā)明會引發(fā)全球有史以來最大規(guī)模的變革浪潮。文藝復興是一個急劇動蕩的時期，彼時，廣為接受的觀點受到挑戰(zhàn)，是一個令人難以置信的不確定性時期。但也是一個創(chuàng)新速度往往超越人們理解的時代。

參考：

1.有些人將“ARM”稱作“高級RISC機器”，但這些人可能更關心商標而非真實歷史。

2.Dave Vellante和David Floyer，“創(chuàng)新的新時代：摩爾定律還沒死，人工智能即將爆發(fā)”，SiliconANGLE，2021年4月10日，https://oreil.ly/KYZQp。

3.Francoise von Trapp，“xPU是什么以及可從何處獲取？”，3D InCites，2021年4月15日，https://oreil.ly/LdbbM。

4.F5，“2022年應用策略現(xiàn)狀”。