为提升数据中心效率，存储设备常通过网络池化共享，但性能差异导致容量未充分利用。麻省理工学院研究人员开发出一套名为Sandook的软件系统，能同时处理三个主要性能差异源，显著提升存储设备性能。相比传统方法每次仅解决一个差异源，新系统带来明显速度提升。
Sandook采用双层架构：中央控制器负责宏观任务分配，本地控制器在设备遇到困难时快速重定向数据。该系统能实时适应变化的工作负载，无需专用硬件。在人工智能模型训练和图像压缩等实际任务测试中，性能接近传统方法的两倍。
电气工程与计算机科学（EECS）研究生、论文主要作者Gohar Chaudhry表示：“人们倾向于投入更多资源解决问题，但这在许多方面并不可持续。我们希望最大限度地延长这些昂贵且碳密集型资源的使用寿命。通过自适应软件解决方案，你仍可在需要更换新设备前，从现有设备中榨取出大量性能。”
Sandook系统针对固态硬盘（SSD）池的性能差异进行优化，差异来源包括设备年龄、磨损程度、容量不同、读写操作干扰以及垃圾回收过程。通过全局规划和本地响应，系统能动态调整工作负载，提升整体效率。
研究人员在包含10个SSD的池上测试Sandook，评估了数据库运行、机器学习模型训练、图像压缩和用户数据存储四个任务。与静态方法相比，Sandook将每个应用程序的吞吐量提升了12%至94%，SSD容量整体利用率提高23%。该系统使SSD达到理论最大性能的95%，且无需硬件更新。
该研究由麻省理工学院团队完成，论文将在2026年5月4日至6日于华盛顿州伦顿举行的USENIX网络系统设计与实现研讨会（NSDI 2026）上发布。未来，研究人员计划整合最新SSD协议，并利用AI工作负载可预测性进一步提高效率。
出版详情：作者：Adam Zewe, Massachusetts Institute of Technology；标题：《New software may nearly double pooled SSD performance in data centers》。
