如何以最可接受的价格获得一只定制的青花瓷碗?
你需要跳出盒子去思考!互联网思维与传统行业融合，能够带来不一样的产品和用户体验。当互联网思维与传统数据中心相遇，革命性的基础架构创新将重新定义数据中心经济学。假如我想定制一个青花瓷碗，直接找到制碗厂家去烧制，且不论能不能生产，就算烧制成了这个碗，成本也已经大大超出个人能承受的价格了。现在，我可以将定制青花瓷碗的方案放在定制互联网上，可能有10万个文青响应说也要这个青花瓷碗，制碗的厂家一看是大单机会，即刻开始接受订单生产制造。
这就是我们常听到的互联网思维，是一种思维模式的变革，帮助我们在移动互联网、大数据、云计算等技术不断发展的背景下，对市场、用户、产品乃至整个生态链进行重新审视，跳出僵化、固定模式去拥抱新天地。否则，我们永远也无法以可接受的价格得到一个定制的青花瓷碗。
就数据中心架构而言，我们一直在追求极致性能，但在IOPS数值之外，性能延迟所带来的不良用户体验更为人们所关注，比如，之前的铁路订票系统、光棍节抢购系统在关键时刻的响应延迟令用户苦不堪言，比较近的例子还有魔都的最贵铁皮拍卖遭遇“最糟系统”所带来的一片声讨。
互联网思维模式下，用户体验不容小觑。那么，让我们换一种眼光，来重新审视互联互通趋势下，与每个人都息息相关的数据中心。
打破盒子的创新架构Fluid Cache+数据中心先来看一下传统数据中心架构，都是由服务器加上SAN网络再加上SAN或NAS存储构成，应用部署在前端的服务器上，数据由后端的存储通过SAN网络提供。
非常经典、传统的架构下，前文所述系统遭遇的 IO延迟问题无法得到突破性地解决——因为所有数据的读IO都要从后端的存储通过SAN网络供应到前端的服务器，所有的写IO都要从服务器通过SAN网络写入到后端的存储。这个路径对于所有的IO来说都是不变的，能够改变的只是升级服务器的处理器、内存，以及后端存储的Cache，或将机械盘换成SSD实现加速。
若大家还是按传统的思维去考虑解决性能问题，就永远也无法打破盒子。那么，用互联网思维来重新思考，如何以突破性地方法令问题得到彻底解决呢?
这就是戴尔 Fluid Cache(流动缓存)解决方案，它打破了传统数据中心架构的固化思维，开始以一个全新的视角来看待数据中心对性能的要求。
我们可以看到戴尔Fluid Cache(流动缓存)，在整个架构中加入了一个专用的、低延迟的RoCE网络FAN (Flash Area Network) 。通过这个专用网络将一个应用服务器上的PCIe-SSD组成一个高速缓存池，这时就可以发现数据的IO路径发生了革命性的变化：所有应用服务器的读写IO无需经过SAN网络到达后端的存储系统再作出响应，而是当IO写入到这个高速缓存池之后，即对应用作出Acknowledge的IO响应，在实现高性能的IOPS的同时还保证极低的延迟响应。
这就是戴尔Fluid Cache(流动缓存)对传统数据中心基础架构的突破性变革。大家都听说过“要让猪飞起来，就得需要将猪放到风口”这一互联网思维的通俗化解释，同样的，要得到一个极致的性能，也得将数据中心架构放入Fluid Cache这一风口才能飞起来。
此外，就像前面的青花瓷碗定制，虽然我们能通过互联网思维来以可接受的价格得到一只定制的青花瓷碗，但厂家的生产过程还是得按制胚、脱胎、画描，晾干、烧制等生产过程来进行。因此，互联网思维并非抛弃传统行业，而是与传统行业全面融合，并使后者价值得以提升。
同理，戴尔Fluid Cache(流动缓存)与传统数据中心架构也能够实现全面融合，并使后者的优势发扬光大——后端存储的连续数据保护机制可以和Fluid Cache联动起来，实现从应用到数据的全面逻辑保护。同时，后端存储的复制技术也可以在Fluid Cache中获得施展拳脚的空间，实现更为完备的数据物理保护机制。
端到端重新定义数据中心经济学
大家也许会问，以Fluid Cache升级传统数据中心架构的创新为什么会出现在戴尔，而不是其他厂商呢?环顾IT业界，目前在数据中心基础架构中，产品线覆盖服务器、网络和存储的全球性厂商还有谁呢?只有戴尔。
在云计算、大数据、移动互联等技术迅速发展的背景下，数据中心基础架构的创新已不再是一个点，一个点地展开了，而必须要以互联网思维全局地去看待基础架构的整体创新。比如，对于专门做存储的厂商来说，他的创新必定只是在存储层面，无法从全局去看整个架构的重新规划，而对于一个只做交换机或服务器的厂商来说，他也被局限在所专注的领域。
另一方面，对于客户要求的性能来说，他要的不是存储能提供多少IOPS性能，而是整个数据中心所能为业务提供的性能。也就是说，当存储厂商提供了一个庞大的存储，其间塞满了成百上千块SSD，然后号称有400万IOPS，先不说这套存储的价格已经是超百万了，单论性能，这400万IOPS也只是在存储端，当通过SAN交换机到达应用服务器上时，这400万IOPS就已经大打折扣了。
