在《瓜哥图解存储协议》篇中,瓜哥图文并茂的介绍了各类存储系统使用的协议和接口。本篇,瓜哥将为大家讲解存储中高大上的RAS RAID。
四、各类存储系统控制器/HBA一览
通信是双方的,上文中大家看到的只是硬盘/外设一侧的接口形态,所有设备必须被接入到IO通道控制器上,比如IDE需要接入到IDE控制器,SATA盘需要接入到SATA控制器,SAS接入到SAS控制器,SCSI、PCIE等各自也都有各自的控制器。这些IO通道控制器在后端通过各自的连接器将1个、2个或者多个设备通过各自不同的总线方式挂接上,在前端则通过PCIE或者内部私有总线与系统IO桥相连,IO桥在通过更高速的总线连接到CPU。所以这类控制器又被称为总线适配器,如果将这类IO控制器做成一张板,插到PCIE槽上与IO桥相连,则称之为Host Bus Adapter,HBA。当然,PCIE控制器是直接集成到CPU里的,PCIE设备是直接连接到CPU而不需要HBA,最多用个连接器转接板将CPU上的PCIE IO管脚连接到外部连接器或者插槽上。
1.SATA、IDE、PCIE、emmc、ufs这些协议的接口控制器,由于太过常用,一般都被集成到系统IO桥芯片中了。不需要转接到PCIE外扩出HBA来。
2.SCSI HBA:
3.FC HBA
4.SAS HBA
5.以太网HBA
6.Infiniband HBAIB体系习惯把HBA叫做HCA(Host Channel Adapter)
五、带RAID功能的HBA被称为RAID卡
在HBA上增加或者增强对应资源,比如嵌入式CPU、板载DRAM、硬加速计算逻辑等,便可实现各种RAID了,此时HBA上报给OS的并不是其下挂的物理资源,而是经过RAID虚拟化之后逻辑资源。由于提升了并发性,增加了Write Back模式的缓存并加以电池或者超级电容保护,这些逻辑资源拥有更高的速度、更好的时延和更好的可靠性。
1. SCSI RAID卡
2. SATA RAID卡
六、SAS/SATA硬盘、HBA、接入到服务器中的方式
下图是最早期的SCSI硬盘的接入方式,由于采用总线结构,背板可以做成无源背板,而且走线十分方便,大部分导线被焊接到背板的PCB上,只留一个链接器连接到SCSI HBA/RAID卡即可。由于SCSI底层接口已经被淘汰,不多描述。
1.SAS卡直连无源背板形式。该形式下,SAS卡(不管是HBA还是带RAID功能的HBA)采用x4的线缆直接连接到背板上的连接器,背板上每4个硬盘接口被导入到一个x4的连接器上从而直接连接到SAS卡。也就是说,如果有16块盘,那么背板需要出4个x4连接器,分别连接到SAS卡一侧的一个x4连接器上,前提是SAS卡必须支持对应数量的直连设备。目前Adaptec的12Gb SAS HBA可以单芯片最大直连16个SAS设备,为接入密度最大的产品。
2.SAS卡连接带Expander的有源背板形式。有些型号的SAS卡最大只能直连8个设备,而有些服务器比如Dell R910,其前面板有12个硬盘槽位。此时,只能靠SAS Expander(简称EXP)了。12个槽位先连接到EXP
3.SAS卡连接Expander子板再连接无源背板的形式。有些时候服务器厂商不想为了增加一个Expander而再制作一款背板,而是想利用现有的无源背板,比如支持16盘位的无源背板,再加上一小块子板,将Expander放在这个子板上,再将这个子板与SAS HBA及背板分别连接起来。下图是Dell R730服务器的硬盘连接部分的俯视图。可以看到那块黄色的子卡,其背面有一块SAS Expander芯片,北向采用4个x4接口连接到SAS HBA,南向采用连接器与无源背板相连。
4.SAS卡直连设备无背板形式。这种形式下,SAS/SATA盘直接放到服务器托架上,比如PC机,不提供背板。此时需要使用1分4的线缆,x4那头接到SAS卡上,分出来的4个数据口分别接一个SAS/SATA设备。 1分4的线缆如下图所示。
5.SAS连接到服务器机箱外置的JBOD形式。这种形态并无本质上的变化,只是要求HBA提供外置接口,用外置线缆,硬盘和背板放到单独的箱子中。一般JBOD上的背板都是带Expander的,这样可以只保留一两个上行接口即可。下期预告第二篇也先暂告一段落啦!在《瓜哥图解PCIE/NVME》中,我们将继续讨论:7、NVMe固态盘、PCIE转接卡及PCIE交换芯片的接入方式8、Dell R930服务器的硬盘连接方式简析
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。