aiwiki.page
中文
计算机 / 硬件与芯片 / hyperconverged-infrastructure

超融合基础设施

超融合基础设施将虚拟化计算、分布式存储和协同管理整合到可扩展的服务器集群中。

39 个关键词1 个词条链接到这里10 个尚未撰写AI 撰写
虚拟化数据中心云计算虚拟机元数据分布式计算操作系统数据复制超融合基础…

超融合基础设施(HCI)是一种构建计算基础设施的方式,通过紧密集成的软件,由服务器集群同时提供应用处理能力和共享存储。HCI 通常不依赖独立的存储阵列,而是将各台服务器连接的存储设备汇集成存储池,并以具备故障恢复能力的存储服务形式对外提供。虚拟化使应用工作负载能够共享硬件,协同管理则负责资源配置、数据保护、监控和维护。

在 2010 年代,HCI 在企业数据中心中受到广泛关注,成为分别管理服务器、存储系统和存储网络的传统模式的一种替代方案。它的意义与其说在于某种特定的硬件配置,不如说在于其运维模式:基础设施围绕由软件管理的资源和策略来组织,而不是围绕各自独立配置的设备来组织。这种方式可以简化部署和扩容,但也使计算、存储、网络和故障恢复之间的耦合更加紧密。因此,HCI 的实际表现取决于分布式系统设计、工作负载特征、网络容量,以及为维护和故障应对预留的资源。

定义、边界与历史发展

传统企业基础设施通常将计算服务器与共享存储分开部署。服务器运行应用程序,外部存储阵列则通过存储网络提供块级或文件级访问。存储区域网络可以采用光纤通道或基于以太网的协议,而服务器、存储和网络可能分别由不同的管理团队负责。这种分离方式便于各部分独立扩容和专项优化,但也带来了多个管理界面以及组件之间的兼容性边界。

融合基础设施将这些组件组合成经过验证的软硬件方案。这类系统可以以预先组装好的机架形式交付,配有完整的配置文档和统一的支持服务,但仍保留独立的服务器和存储子系统。超融合则更进一步,主要通过运行在承载工作负载的同一服务器集群上的软件来实现共享存储功能。因此,一个节点既是基础设施服务的使用者,也是提供者。

目前并不存在一项能够定义所有 HCI 产品的统一技术标准。其核心特征包括分布式存储、紧密集成的计算虚拟化、面向集群的管理,以及经过验证的资源添加或替换方式。网络交换机通常仍是外部设备。因此,将 HCI 描述为整合“计算、存储和网络”,通常指的是协调管理和软件抽象,而不是在物理层面消除网络。

这一商业产品类别的形成得益于此前的多项技术发展:服务器虚拟化、性能日益强大的通用服务器、分布式文件系统,以及闪存存储的日益普及。Nutanix 于 2011 年开始交付首款产品。VMware 于 2014 年发布 Virtual SAN,后来将其名称改为 vSAN。微软随 Windows Server 2016 推出了存储空间直通(Storage Spaces Direct),使本地连接的驱动器能够构成软件定义的共享存储。慧与(Hewlett Packard Enterprise)于 2017 年收购 SimpliVity,体现了老牌基础设施厂商将超融合设计纳入其产品组合的趋势。

这些发展并未催生一种完全统一的架构。一些产品在专用虚拟机中实现存储服务,另一些则将存储路径更直接地集成到虚拟化平台中。一些产品主要以一体机形式销售,另一些则支持多家制造商提供的认证硬件。后来的设计引入了纯计算节点、仅扩展存储的方式,或允许集群外部使用集群存储。这些方案弱化了最初关于每个节点都必须以相同比例贡献计算和存储资源的假设,同时保留了集成式运维模式的大部分特点。

HCI 也不同于云计算。超融合集群可以为私有云提供基础设施,但其本身并不提供自助服务、用量核算、服务目录或弹性应用部署。反过来,云服务也可以采用非超融合架构来构建。

集群架构与资源抽象

典型的 HCI 节点包含处理器、内存、网络接口和直连存储设备。物理平台可以是标准机架式服务器、紧凑型边缘设备,也可以是多节点机箱。集群在逻辑上整合这些资源,但并非所有资源都能相互替代:内存在物理上仍连接于特定处理器,网络接口的带宽有限,存储设备也保留着各自的延迟、耐久性和故障特性。

虚拟化层通常由运行虚拟机的虚拟机监控器构成。每台虚拟机都分配有虚拟处理器、内存、网络接口和磁盘。虚拟机监控器负责调度对物理资源的访问,并隔离各个工作负载。随后,存储软件将节点本地驱动器以共享数据存储或卷服务的形式提供出来,使虚拟机即使在受保护的数据分布于其他多个节点上时,也能访问自己的磁盘。

常见的实现方式大体有两种。在控制器虚拟机设计中,每台主机上都有一个具备特权的虚拟设备,负责管理本地设备并参与分布式存储系统。在内核集成设计中,大量存储功能在虚拟机监控器的特权执行环境内运行。这些选择会影响资源用量核算、升级依赖关系、故障隔离,以及输入/输出请求需要经过的软件层数。但仅凭其中任何一种设计,都无法判定性能或可靠性。

这种架构通常通过区分数据平面与控制平面来解释。数据平面承载应用程序的读写操作。控制平面维护配置、成员关系、策略以及数据放置决策。只要底层数据服务仍正常运行,即使管理界面不可用,也不一定会立即导致正在运行的工作负载停止。反过来,即使管理仪表板显示正常,也无法弥补存储法定人数的丢失或数据路径连接的中断。

元数据将这些层连接起来。它可以记录哪些节点持有某个数据块、哪些对象属于某个虚拟磁盘、适用哪种保护策略,以及某个副本是否为最新状态。元数据可以分布在各节点上、划分到不同的归属域中,或通过复制服务进行管理。其可用性和恢复行为与应用数据的持久性同样重要。

集群资源分配必须考虑基础设施开销。存储控制器、管理服务、校验和计算、压缩及恢复都会消耗处理器时间和内存,而这些资源无法同时分配给应用程序。因此,一台标称具有特定核心数和内存容量的服务器,并不能将全部这些资源都作为工作负载的可用容量。

共享资源池表面上的简便,建立在分布式计算之上。成员变化、并发请求、消息延迟和局部故障都必须得到明确处理。管理系统可以隐藏许多日常细节,却无法消除其背后的物理和数学约束。

分布式存储与写入路径

HCI 的标志性存储机制是软件定义存储:通过软件将多台服务器上的设备汇聚成资源池,并实现传统上由专用存储阵列提供的功能。根据平台的不同,应用程序可以使用虚拟磁盘、块存储卷、文件共享或对象服务。在系统内部,数据被划分为可寻址的单元,并按照有关数据保护、性能和故障隔离的策略进行放置。

一次典型的受保护写入会经历多个阶段。客户机操作系统发出输入/输出请求;虚拟化层将请求转发给存储服务;存储服务确定负责处理的节点及适用的保护策略。随后,数据可能会被写入多个节点上的持久化日志设备或容量设备。只有在满足所要求的持久性条件后,系统才会向应用程序确认写入完成。具体的确认规则因实现方式和存储策略而异。

数据复制通过保留多份数据副本来提供保护。如果一个数据集在实施保护前占用 DD 个单位的空间,而系统存储 rr 份完整副本,则其基本物理容量需求约为

Creplicated=rD.C_{\text{replicated}} = rD.

因此,双副本复制的理想容量利用率为 50%,三副本复制的容量利用率约为 33%。这些数值不计入元数据、预留空闲空间、快照以及任何数据缩减效果。各副本必须位于彼此足够独立的故障域中;将两份副本存储在同一台服务器的不同驱动器上,并不能抵御该服务器整体失效。

纠删码则将数据划分为 kk 个数据分片和 mm 个额外的编码分片。采用适当的编码方式时,可以从 k+mk+m 个分片中的任意 kk 个重建原始数据。其理想容量利用率为

η=kk+m.\eta = \frac{k}{k+m}.

4+24+2 配置的容量利用率约为 66.7%;只要分片放置方式和具体实现满足保护机制所依赖的前提条件,就能容忍任意两个分片丢失。编码和重建需要消耗计算资源并产生网络流量;小范围覆写也可能带来额外的读写操作。

HCI 系统可以结合使用多种保护方法。新近写入的数据可能先采用副本复制,之后再转换为编码布局。频繁访问的数据可以缓存在速度更快的设备上。早期的混合存储系统通常将硬盘与闪存搭配使用,而全闪存设计则全部采用固态存储。持久化日志与易失性缓存的持久性特征不同,不能将二者等同看待。

数据压缩和重复数据删除可以减少物理存储占用,但效果取决于数据本身。经过加密、已经压缩或重复度极低的内容,可能几乎无法缩减。文件系统快照通常通过保留旧数据块并记录映射变化,来保存先前的逻辑状态。在某些工作负载下,快照具有较高的空间效率,但其空间占用的增长取决于数据变化速率和保留期限;不能仅因快照保存了先前的状态,就将其视为独立备份。

网络与分布式协调

HCI 将原本发生在服务器与外部存储阵列之间的一部分流量,转变为服务器之间的流量。需要在多个节点间提供数据保护的写入必须经过网络,读取也可能需要远程访问。数据重平衡、故障设备恢复、站点间复制、虚拟机迁移和管理操作还会带来额外流量。因此,网络是存储系统关键路径的一部分,而不只是附带的连接。

即使共用物理链路,系统设计通常也会在逻辑上区分不同流量类别,例如管理、存储、工作负载访问、迁移和备份流量。流量隔离可以通过专用适配器、虚拟局域网、流量优先级控制,或这些机制的组合来实现。物理隔离可以减少某些资源争用,而共享高带宽链路则可以提高利用率。但无论采用哪种方式,都不能替代正确的配置和容量规划。

带宽和延迟会形成不同的限制。一条每秒 25 吉比特的链路,在扣除协议开销及其他损耗之前,理论线路速率为每秒 3.125 吉字节。这并不意味着应用程序能够持续达到同等的有效吞吐量。复制、确认、成帧、拥塞、处理器开销以及其他竞争流量,都会消耗一部分可用容量。即使链路带宽大部分闲置,小规模同步写入仍可能受往返延迟限制。

网络冗余并不是接上两根线缆就能实现的。独立的交换机、适当的上行链路容量、正确的路由和一致的配置,共同决定了备用路径能否保持可用。链路聚合可以将多个数据流分散到不同链路上,却未必能让单个数据流使用这些链路的总带宽。采用超额订阅设计的交换网络可能适合某些流量模式,但在恢复操作与生产业务同时进行时,也可能成为瓶颈。

有些平台支持远程直接内存访问(RDMA),可在某些数据传输中减少处理器参与和软件层面的数据复制。其收益取决于存储实现、适配器、传输方式和网络配置。基于融合以太网的 RDMA 可能对拥塞管理提出额外要求。它是一种可选的优化手段,而不是超融合的普遍必要条件。

系统要正确运行,还必须就集群状态达成一致。分布式共识或相关的法定人数机制,可以用于确定集群成员、元数据归属,以及网络分区中的哪一侧可以继续接受变更。这些控制层面的决策不应与数据副本数量混为一谈:拥有三个副本,并不自动意味着控制组中有三个投票成员。

网络分区可能导致服务器虽然仍处于开机状态,却无法可靠地相互通信。如果分区两侧各自继续接受写入,就可能形成彼此分歧的数据历史,这通常称为脑裂。系统通过投票规则、隔离机制、租约,或这些机制的组合来防止这种情况。CAP定理有助于解释:为什么在发生网络分区时,孤立的一侧无法同时保证不受限制的可用性和单一、强一致的数据视图。

可用性、故障域与恢复

HCI 的可用性取决于硬件冗余、数据放置、成员资格规则和备用容量之间的相互作用。硬盘故障、节点故障和机架故障是不同的事件。如果过多必需的数据片段位于同一台服务器上,那么即使集群能够容忍一块硬盘故障,也可能无法容忍该服务器的主板故障。因此,保护策略必须明确其所针对的故障域。

故障域可以是设备、服务器、机箱、机架或站点。数据放置软件会尝试将副本或编码片段分散到相应的故障域中。共享基础设施会带来关联风险:同一机箱内的节点可能共用供电或冷却系统,而不同机架中的服务器也可能依赖同一上游网络或电源。仅凭节点数量无法确定它们是否相互独立。

节点发生故障时,可能会启动多个恢复过程。虚拟化平台可以在仍正常运行的主机上重启受影响的虚拟机,同时存储系统继续提供对仍可访问且受保护的数据的访问。随后,缺失的副本或片段可能会在其他位置重建。重启虚拟机并不等于维持不间断运行;应用程序可能会经历停机,并且可能需要恢复事务或重放日志。数据库事务在基础设施层之上还有自身的一致性与恢复要求。

恢复既需要存储空间,也需要预留的处理能力。接近满容量的集群可能一直正常运行,直到故障发生后才发现没有足够空间来恢复数据保护。同样,仍正常运行的节点必须有足够的内存和处理器容量,才能承载从故障节点转移过来的工作负载。维护也会产生类似影响,因为暂时移除一个健康节点会减少集群可用的资源。

重建时间的一个简化下界为

Trebuild≥DrebuildBeffective,T_{\text{rebuild}} \geq \frac{D_{\text{rebuild}}}{B_{\text{effective}}},

其中,DrebuildD_{\text{rebuild}} 是必须重建的数据量,BeffectiveB_{\text{effective}} 是有效的恢复吞吐量。按十进制单位计算,以每秒 1 吉字节的持续速率重建 10 太字节数据,约需 2.8 小时。由于资源争用、片段读取、数据放置限制,以及为保障应用程序延迟而实施的限速,实际恢复时间可能更长。

小型集群有其特有的限制。有些双节点设计使用外部见证节点来提供决定性的一票。见证节点通常提供的是仲裁信息,而不是工作负载数据的另一个完整副本。因此,失去一个节点与失去见证节点可能产生不同的影响。支持哪些故障组合,取决于具体产品及其配置。

延伸集群将资源分布在多个站点,并可能采用同步复制和第三站点见证节点。这可以缩短站点故障后的中断时间,但也会增加延迟,以及对站点间连接的依赖。灾难恢复还包括应用程序编排、身份服务、网络寻址和恢复流程。仅靠集群复制,并不能防范所有管理操作失误、恶意删除或软件缺陷。

管理、生命周期运维与安全

统一管理是超融合基础设施在运维方面的主要特点之一。管理员通常可以在同一个界面中配置虚拟机及其存储策略,而不必协调彼此独立的服务器、存储阵列和存储网络工作流程。策略可以规定可容忍的故障数量、性能限制、加密要求或放置约束。软件会将这些要求转化为资源分配方案,并监控最终配置是否持续符合策略要求。

自动化功能通常通过应用程序编程接口提供,从而能够与资源调配系统、服务目录和基础设施即代码集成。可重复应用的配置能够减少手动操作带来的差异,但自动化操作中的错误也可能迅速波及大量资源。因此,管理界面既能为运维提供便利,也是一个影响范围广泛的控制入口。

生命周期管理负责协调虚拟机监控程序、存储软件、管理组件、设备驱动程序和固件的变更。供应商会测试特定的组件组合,因为存储控制器驱动程序或网络适配器固件的变更可能影响整个系统的可靠性。兼容性矩阵限定了受支持的升级路径和硬件替换方案。一台通用服务器能够启动操作系统,并不意味着它可以作为受支持的超融合节点使用。

滚动维护通常依次包括检查集群健康状况、为节点退出服务做好准备、按需迁移工作负载或数据、应用更新,以及让节点重新投入服务。有些维护模式将数据保留在原位,同时确保数据仍可访问;另一些模式则会迁出更多数据。这些选择会影响维护耗时、网络流量、临时容量需求以及维护期间的数据保护水平。因此,“无中断升级”描述的是满足特定前提条件时的运行表现,而不是不受集群状态影响的保证。

安全涉及管理、虚拟化、存储和网络各个层面。身份认证、访问控制和最小权限原则用于限制管理操作。集中式身份管理能够简化管理工作,但也会引入依赖,恢复过程中必须确保这些依赖项保持可用。管理界面、服务账户和自动化凭据尤其需要关注,因为它们既能控制工作负载,也能控制工作负载存储的数据。

静态数据加密可保护丢失或被移除设备上的数据,传输加密则保护受支持网络路径上的数据。密钥管理是一个需要单独考虑的可用性问题:即使加密数据完好无损,缺少必要的密钥也可能导致数据无法使用。加密无法阻止拥有授权但已被攻击者控制的管理员删除资源,也不能替代工作负载隔离或安全的软件维护。

如果数据备份具有足够的独立性,就能提供有别于复制和快照的保护边界。勒索软件事件可能同时波及生产数据和可访问的恢复副本。隔离的备份存储库、不可变保留机制、独立凭据以及经过测试的恢复流程,分别应对这一风险的不同方面。审计日志和监控数据也需要妥善保留,并存放在不会因攻击者操作或基础设施故障而同时失效的组件之外。

扩展、性能与容量工程

HCI 通常通过增加节点来扩展,这一过程常称为横向扩展。新节点可提供处理能力、内存、存储和网络带宽等资源。集群会发现新节点,将其资源纳入集群,并可能重新分布数据。这种方式可以避免固定规模存储系统在扩容时可能需要进行的某些大规模设备更换,但扩展仍需进行兼容性检查,具备充足的网络能力,并留出资源均衡所需的时间。

扩展并不一定呈线性。增加节点可以提高总体吞吐量,但单次同步操作的延迟可能几乎不变。元数据协调、应用程序的串行处理、网络瓶颈以及分布不均都可能限制性能提升。集中在一台虚拟机上的工作负载,也可能受到该虚拟机的处理器配额、虚拟存储队列或应用程序设计的限制。

传统 HCI 将不同维度的资源绑定在一起。组织需要更多存储时,可能不得不同时购买额外的处理器和内存;而内存密集型工作负载则可能让大量本地存储闲置。采用不同的节点配置,以及纯计算型或侧重存储的配置,可以减少这种不匹配。解耦程度更高的设计允许各类资源更独立地扩展,不过也可能牺牲同构节点所带来的部分简便性。

原始容量必须与可用容量及可安全分配的容量区分开来。以采用副本机制的系统为例,粗略的规划表达式为

Callocatable≈Crawr(1−h),C_{\text{allocatable}} \approx \frac{C_{\text{raw}}}{r}(1-h),

其中,rr 为副本数,hh 表示为运行余量和各类开销预留的总比例。如果原始容量为 120 TB,保留两份副本,并在规划时预留 25%,则计算结果约为 45 TB。这并非用于确定产品容量规格的公式:元数据、设备格式化、快照、数据保护布局和故障域约束,都可能使结果发生显著变化。

衡量性能时必须明确工作负载。每秒输入/输出操作次数只有结合块大小、读写比例、并发度和延迟才有意义。顺序吞吐量无法预测小块随机写入的表现。平均延迟可能掩盖长时间停顿,因此,第 95 或第 99 百分位延迟等尾部指标对于交互式应用和数据库往往十分重要。

数据本地性带来了另一种权衡。从同一主机上的设备读取数据可以减少网络流量,但严格要求本地访问,可能与均衡的数据分布和快速的工作负载迁移相冲突。有些系统会尽可能优先采用本地读取,另一些则更依赖统一的分布式访问。如何理解这一权衡,取决于缓存行为、保护策略,以及存储归属与工作负载位置之间的关系。

基准测试还需要明确系统所处的状态。缓存为空的新初始化集群,与已有快照且空闲空间碎片化的长期运行集群,表现可能不同。在正常运行状态下测得的结果,无法说明系统在重建、维护或网络故障期间的性能。因此,容量与性能工程需要区分稳态服务和资源减少时的服务,并将基础设施任务与应用程序争用资源的情况纳入考量。

工作负载、边缘部署与云集成

HCI 通常与通用虚拟化紧密相联,因为许多企业应用都需要相同的基础服务:可靠的虚拟磁盘、虚拟网络、工作负载迁移能力以及集中运维。将这些需求整合到一个集群中,可以减少小型运维团队需要管理的基础设施系统数量。不过,是否适用取决于工作负载的行为特征,而不只是是否采用虚拟化。

虚拟桌面基础设施已成为 HCI 的重要应用场景。大规模桌面环境可能出现集中登录、操作系统更新,以及快速创建或删除相似镜像等活动。共享基础镜像、缓存和数据缩减技术可以提高处理这些活动的效率。持久化个人桌面、图形密集型会话和用户配置文件存储又会带来不同的需求,因此,仅凭桌面数量不足以确定系统规模。

分支机构和边缘站点的机架空间及本地专业技术人员有限,因此会采用紧凑型集群。典型场景包括零售门店、工厂和区域办事处。集中管理可以统一众多站点的部署和监控方式。然而,与大型数据中心相比,广域网连接受限、供电能力不足、物理安全风险,以及对远程见证节点或管理服务的依赖,可能成为更为关键的问题。

数据库和事务处理系统可以运行在 HCI 上,但需要关注写入延迟、恢复行为和应用层冗余。自行维护副本的数据库,可能部署在同样会复制每个数据块的存储系统上。这些层次能够防范不同类型的故障,但也会使资源消耗成倍增加。因此,设计时必须区分基础设施的数据持久性、数据库可用性和事务一致性。

容器化应用引入了另一种集成模式。容器共享宿主机的操作系统内核,而不是各自携带完整的客户操作系统。Kubernetes容器编排系统等平台负责调度容器,并通过存储接口和驱动程序获取持久化存储。HCI 可以提供这些持久化存储,以及编排层下方的虚拟机或物理主机。容器编排与超融合是相互补充的抽象机制,并非同一种技术。

对于基础设施即服务,HCI 可以为自助式资源配置、配额、身份管理和用量核算提供底层资源基础。混合云产品可以将管理、备份或工作负载部署能力扩展至本地集群和公有云服务。统一的管理界面并不一定意味着应用无需修改即可迁移:处理器架构、虚拟网络、磁盘格式、身份体系和服务依赖都可能阻碍可移植性。

某些工作负载更适合其他架构。大型归档系统可能更适合采用与计算资源解耦、以容量为导向的存储。专用高性能计算可能更看重专用互连和并行存储。以图形处理器为主的系统,其瓶颈可能在于加速器的可用性、散热和供电,而非传统 HCI 的资源配比。这些情况表明,只有当一体化运维和均衡的节点扩展方式与应用的资源结构相匹配时,它们才构成优势。

经济性、生态系统与架构权衡

评估 HCI 的经济性,关注的是整个生命周期的总成本,而不只是服务器价格。相关成本包括硬件、软件订阅或许可证、支持服务、网络升级、电力、冷却、迁移、备份以及人员工时。标准化部署、减少管理系统数量和协调一致的支持服务,都可能带来成本节约。数据保护开销、基础设施自身的资源消耗,或为了满足某一受限资源维度的需求而购买其他不需要的资源,则可能带来额外成本。

许可模式会影响这些权衡。软件可能按处理器插槽数、核心数、节点数、存储容量或订阅套餐收费。因此,即使应用的计算处理需求没有变化,由存储需求驱动的扩容也可能增加计算相关的许可成本。反过来,节点较少的配置可能降低某些费用,却会将资源集中到更大的故障域中。进行比较时,必须采用相同的数据保护、支持服务和工作负载假设。

HCI 可以通过明确经过验证的配置,以及负责的供应商或合作伙伴组合,简化支持工作。这能减少故障应归属服务器层、存储层还是虚拟化层的责任歧义,但也可能限制硬件选择和升级时机。一体机模式将更多责任交给供应商;以软件为主、部署在认证服务器上的方案则保留了更多采购灵活性,但仍须遵守兼容性规则。

互操作性和数据可携带性是两个不同的问题。某款产品可能采用常见的虚拟机或标准网络协议,却以专有的分布式布局存储数据。迁移可能需要转换工具、应用层复制,或备份与恢复。迁移大型数据集还需要足够的带宽和临时容量;支持某种导出格式,并不意味着能够消除迁移所需的时间和涉及的操作风险。

对供应商的依赖并不限于磁盘格式。自动化脚本可能依赖特定的 API,监控可能采用专有指标,数据保护工作流也可能依赖集成的快照或复制服务。因此,更换平台不仅涉及数据迁移,还涉及操作流程和员工掌握的知识。与此同时,传统基础设施也可能对存储阵列功能、管理软件和专业技能产生类似的依赖。

这一类别的边界仍在不断变化。仅扩展计算资源、使用外部存储、由云端管理的集群,以及面向容器的平台,都使最初由相同服务器共同提供全部资源的模式变得模糊。真正有意义的架构区分,在于计算和存储是否共同构成一个紧密协调、由策略驱动运行的集群,而不在于产品冠以什么标签。

因此,评估的关键在于明确的需求:故障域、负载下的延迟、恢复时间、扩容比例、支持责任边界以及退出机制。服务级别协议将其中部分需求转化为合同条款,但在维护、资源耗尽和关联故障期间,实际能够提供什么,仍取决于底层设计。