中山大學精準醫學科學中心生物醫學大數據平臺

高級工程師肖華鋒

彼時的超融合正是基礎架構領域冉冉升起的明星，受到了業界、用戶們的廣泛關注，憑借簡化的架構、強大的并發性能以及便捷的管理等優勢，被認為是基礎設施建設的首選。但是，中山大學精準醫學科學中心經過對精準醫學數據類型、業務特征以及未來應用規劃進行仔細和反復的調研之后，最終選擇了存算分離架構來構建醫學大數據中心。

為什么會舍棄超融合，選擇存算分離的架構？肖華鋒解釋道：“當時決策原因有兩點：一是成本，當時超融合成本高，每個節點必須配置SSD，加上License費用，采購成本較高；第二則是從場景適用上考慮，精準醫學科學中心場景中，存儲需求增長速度遠超過計算，超融合擴展是計算與存儲等比例擴展，存算分離架構反而會帶來更加靈活的擴展方式?！?/p>

那么，醫學大數據中心采用存算分離架構之后，真實情況會不會出現“理想很豐滿，現實很骨干”的窘境？

讓理想照進現實

從2016年開始，中山大學精準醫學中心開展生物醫學大數據平臺工作，核心是建成數據匯交、清洗整合、存儲管理、共享交換、隱私保護、開放共享的醫學大數據和生命組學數據兩大數據庫，并開展醫學大數據互聯共享工程，建立數據標準體系和安全體系，實現患者醫學數據跨系統/區域互聯互認、數據共享工作。

“中山大學精準醫學中心生物醫學大數據平臺真正意義上把附屬醫院的數據和中心實現互聯互通，并實現了數據交互和存儲?！毙とA鋒介紹道，“不過，數據增長的確是太快啦?！?/p>

建設之初，生物醫學大數據平臺規劃了浪潮500TB集中式SAN存儲來承載精準醫學醫學大數據平臺的檢索、360隨身檔案系統等核心業務應用，目前使用近半；規劃1PB 浪潮分布式存儲AS13000來存儲海量影像數據，隨著業務數據的采集量的增加，不到3年時間，中心的影像存儲已經擴展到了2PB。

浪潮存儲

在有海量存儲為數據增長帶來的容量挑戰兜底之后，如何應對數據應用帶來的挑戰又是一個難題?！爸行牡臄祿跊]有科研任務的時候基本都是冷數據，而當課題介入，研究人員需要檢索和分析數據時，往往周期又很長，可能長達半個月。此時，又希望數據是熱的?！毙とA鋒介紹道。好在浪潮存儲過去四年一直都平穩運行，在容量和性能上都滿足了需求。

未來需要新存儲之道

隨著生物醫學大數據平臺和生物樣本庫逐漸完善，精準醫學相關研究與業務開始步入快車道，醫學大數據中心在存儲上未來又面臨著新的訴求與挑戰。

首先是數據的增長速度和增長量會比以往還要大，尤其是生物樣本庫建好之后，中山大學精準醫學科學中心的多組學研究平臺將以此構建起來，包括代謝組學、基因組學等，這些應用的上線與加碼將進一步帶來數據爆炸性的增長。肖華鋒坦言：“中心的三個基礎平臺、兩個研究平臺和一個應用平臺整體布局逐漸完善之后，預計存儲一年擴展10P將會成為一種常態?！?/p>

另外，生物醫學大數據平臺基于人工智能相關的醫學研究正在迅速增加，對于存儲容量和性能提出更高挑戰。

“中山大學精準醫學科學中心是當下用戶對于存儲容量和性能訴求的一個典型代表?！崩顺贝鎯Y深架構師葉毓睿如是說：“面對一個數字化的智慧時代加速到來，浪潮提出了新存儲之道，讓存儲朝著EB級容量、億級IOPS、TB級帶寬等新能力加速演進，來滿足用戶不斷增長的需求?！?/p>

雙方專家圍繞精準醫學大數據發展趨勢進行交流和探討

其次，中山大學精準醫學科學中心醫學大數據中心還將面臨著新舊設備混用、不同廠商設備混用的情況，加上其數據量不斷提升，設備數量也會隨之增加，如何發揮各種設備的性能以及如何運維管理各種設備就成為極大的挑戰。肖華鋒直言：“我們中心運維人員很少，醫學數據類三級等保對運維又有著極為嚴格的要求，迫切需要智能運維技術來減輕壓力?！?/p>

事實上，存儲融入AI技術加速走向智能化正在成為趨勢。存儲根據業務負載、運維管理等數據特征，進行不斷的學習與優化，從而提供更加精準的預警信息和執行動作，讓自身運維與管理走向智能化。葉毓睿介紹：“以浪潮存儲為例，iTurbo智用引擎可以通過智能IO感知、智能多路徑、智能數據組織、智能資源調度四大核心技術為業務應用提速；而智能統一存儲管理平臺InView則提供了性能容量預測分析、磁盤故障預測與定位等一系列智能化功能，規避硬件故障帶來的風險和損失，有效降低運維壓力?！?/p>

總體來看，精準醫學依然處于起步的初期，中山大學精準醫學科學中心作為先行者，對于醫學大數據中心的建設有著深刻的認知，并且在架構選擇上做出了明智的選擇。未來，隨著精準醫學研究的不斷深入，中山大學精準醫學科學中心對于衍生出來的新存儲需求與挑戰也有著清晰的判斷，其精準醫學研究有望開啟新局面。