媒体感知存储框架 (MASF)
解决媒体现代化的挑战
MASF 通过构建模块和存储框架，在性能、延迟和耐用性方面比现有存储解决方案更具成本效益。它使用快速缓存、快速存储和智能来帮助加速应用程序，以导航多云系统，从而提高每台服务器的规模并减少延迟敏感型工作负载的事务成本，以便更快地提供洞察。
运行方式
MASF 是一个用于跨各种环境（包括媒体类型、存储架构、存储方法和操作系统）实现最佳数据放置的框架。
暗示生成器
来自应用程序的 IO 分类标识符被传送到数据放置块，使系统能够确定最佳数据放置。
数据策略
数据策略定义了根据各种 IO 分类将 IO 处理到不同媒体池的规则。
数据放置
放置将暗示与策略相结合以选择合适的媒体池，优化系统利用率。
数据分析器
实时分析工作负载和放置趋势的反馈循环，提供策略建议以优化系统利用率。
数据布局
在按数据放置分配的池内识别并执行优化的布局。
媒体池
由一个或多个相同媒体类型的设备组成的集合，这些设备作为可用的存储资源提交给数据放置引擎。
为什么使用 MASF？
跨越多个快速发展的领域（如 HCI、HPC、人工智能和数据库）的工作负载变得越来越密集，需要以更高的速度分析更多数据。
作为回应，内核数量继续不断增长，100GbE 等高速网络越来越普遍。同样，英特尔® 傲腾™ 固态硬盘和英特尔® QLC 3D NAND 等新存储介质已出现，有助于突破存储瓶颈并有效存储海量数据。但是，采用同质和简单媒体结构的现有存储动态无法实现这些媒体类型的全部价值。为了释放现代媒体的价值并消除系统中的存储瓶颈，需要一种更智能、更以数据为导向的数据放置方法。
MASF 设计方法可帮助存储开发人员降低存储成本，同时满足日益苛刻的工作负载的 SLA 要求。
利用 MASF，存储开发人员可以定义将 IO 处理到不同媒体池的规则，并将暗示与策略相结合以选择最佳的媒体池。此外，分析工作负载和数据放置的反馈循环可提供策略建议，确保策略不是静态的并且不会对工作负载不断变化的性质不做响应。
此框架的构建模块相结合，可帮助开发人员解决成本、容量、吞吐量和尾部延迟等传统存储焦点问题。