北京时间9月30日凌晨，NetApp推出新一代存储架构 Novus，主打给超大规模GPU集群喂数据。官方称其聚合吞吐超过100TB/s，可支撑数十万块GPU同时工作，容量设计最高可达ZB级，这是业界首个单命名空间支持ZB的文件系统。其目标客户是Neocloud 运营商、超大规模云厂商、自建 GPU 云的大企业，以及GPU即服务提供商。
5万张卡需要 100TB/s
单块GPU最高可能需要2GB/s的吞吐才能保持满载，5万块GPU就要100TB/s。而传统存储阵列只有40到 80GB/s，想凑够100TB/s 得部署一百多台，每台各有命名空间、故障域和运维负担，最后运营商要管的是一答堆存储，还得处理繁琐的数据搬迁。
NetApp 的判断是，存储跟不上时GPU利用率可能掉到个位数，这已经不是性能问题，而是利润问题：GPU 是资产负债表上最大的资本支出，也是唯一产生收入的资产，等数据的每一小时都在白白折旧。
Novus的技术思路：元数据和数据分离
NetApp认为，光堆控制器是解决不了问题的，元数据才是更早出现的瓶颈。小文件元数据操作要求大量独立请求快速响应，而checkpoint写入要求整个系统专注一条大顺序写流，两者放在同一批控制器上会互相拖累。
Novus 的做法是拆成两层：数据层跑在企业级ONTAP系统上，首发采用NetApp AFF A90 存储。元数据层由 Novus Data Director承担，是独立扩展的软件定义控制层，运行在标准 x86 服务器上。
工作时，客户端先问 Data Director 文件在哪、拿到布局信息，然后直接和存储节点通信。两个平面互不等待，数据可以跑满线速。
Novus的其他卖点
Novus采用的是标准协议，基于 pNFS/NFS，通过受支持的 Linux 客户端就能访问，不需要在 GPU 服务器上部署专有客户端，内核和 GPU 代际更替时也不用额外维护。
Novus支持单一命名空间，数千个存储节点统一在一个命名空间下，扩容时不需要改应用、重新挂载或中断租户。
此外，Novus继承了ONTAP各种能力，包括安全、韧性、QoS 和多租户方面都沿用 ONTAP 体系。
洛斯阿拉莫斯国家实验室计算技术高级总监 Gary Grider 表示，AI 工厂规模继续扩大后，会有数十万块 GPU 同时访问一个命名空间，元数据操作大量积压会拖慢甚至卡死文件系统。他称 Novus 是首个能让元数据层和数据层独立扩展的架构。
