通用数据中心体系结构（此类数据中心今天仍在广泛使用）在过去已经很好地完成了其任务，但是大多数它们最近都达到了可伸缩性，性能和效率的极限。 这样的数据中心的体系结构通常使用聚合资源分配的原理-处理器，硬盘驱动器和网络通道宽度。
在这种情况下，在这样的数据中心中以预定系数离散地发生所使用的资源量的变化（增加或减少）。 例如，系数为2，我们可以得到以下一系列配置：
- 2CPU，8 GB RAM，40GB存储空间;
- 4CPU，16GB RAM，80GB存储空间;
- 8CPU，32GB RAM，160GB存储空间;
- ...
但是，对于许多任务来说，这些配置在经济上是无效的，通常一些中间配置足以满足客户需求，例如-6CPU，16GB RAM，100GB存储。 因此，我们了解到，上述通用的数据中心资源分配方法无效，尤其是在密集处理大数据（例如快速数据，分析，人工智能，机器学习）时。 在这种情况下，用户希望对所使用的资源具有更灵活的控制能力，他们需要能够独立扩展处理器，内存和数据存储，网络通道的能力。 这个想法的最终目标是创建一个灵活的组件基础结构。
图 1.以数据为中心的数据中心架构。为响应此类需求，出现了超融合基础设施（HCI，超融合基础设施）数据中心，该数据中心将所有计算资源，存储系统和网络通道组合到一个虚拟化系统中（图1）。 但是，在这种结构中，为了扩展可伸缩性的边界（添加新的存储系统，内存或网络通道），需要其他服务器。 这预示了一种基于具有固定模块的HCI基础架构扩展的方法的外观（每个模块都包含处理器，内存和数据存储），最终无法提供现代数据中心所需的灵活性和可预测的性能水平。
HCI已被组件分解基础结构（CDI，可组合分解基础结构）取代，该基础结构旨在克服聚合或超融合IT解决方案的局限性，并为数据中心提供更好的灵活性。
组件分解基础架构的出现为了克服与通用数据中心的体系结构（固定比例的资源，利用率不足和冗余）相关的问题，首先开发了一种融合基础架构，该基础架构由单个系统中的预配置硬件资源组成。 其中的计算资源，存储系统和网络交互是离散的，并且其消耗量可以通过编程配置。 然后，将融合的结构转换为超融合（HCI），在此将所有硬件资源虚拟化，并在软件级别自动分配必要数量的计算资源，存储和网络通道。
尽管HCI将所有资源都集成到单个虚拟化系统中，但这种方法也有其缺点。 为了在HCI体系结构中为客户端增加例如更大数量的存储，RAM或扩展网络通道，这将需要使用其他处理器模块，即使它们不会直接用于计算操作。 结果，我们遇到的情况是，在创建比以前的体系结构更灵活的数据中心时，它们仍然使用不灵活的建筑元素。
根据对中型和大型公司数据中心的IT用户的调查，约有50％的可用存储容量分配给了实际使用，而应用程序仅使用了分配的存储量的一半，而CPU时间也占用了约50％。 因此，使用固定结构系统的方法会导致其欠载，并且无法提供必要的灵活性和可预测的性能。 为了解决这些问题，创建了一个分解模型，该模型易于使用带有开放式API的软件工具从单独的功能模块中进行组装。
组件分解基础架构（CDI）是一种数据中心体系结构，其中物理资源（计算能力，存储和网络通道）被视为服务。 为用户应用程序提供所有必要的资源以实时满足其当前负载，从而在数据中心内实现最佳性能。
组件分解反收敛模型
通过将来自计算系统，存储和网络设备的独立池中的资源进行链接来创建按组件分类的基础架构中的虚拟服务器（图2），与将物理资源绑定到HCI服务器的HCI不同。 这样，可以根据特定工作负载的需求根据需要创建和重新配置CDI服务器。 通过使用API访问虚拟化软件，该应用程序可以请求任何必要的资源，实时接收即时的服务器重新配置，而无需人工干预-这是迈向自我管理数据中心的真正一步。
图 2：超融合模型（HCI）和组件分解（CDI）。CDI体系结构的重要组成部分是内部通信接口，该接口可确保特定服务器的存储设备与其计算能力分开，并确保其供其他应用程序使用。
NVMe-over-Fabrics在此处用作主要协议。 它在应用程序和存储设备之间提供了最小的端到端数据传输延迟。 结果，这允许CDI为用户提供直接连接存储的所有优点（低延迟和高性能），并通过资源共享提供响应能力和灵活性。
图 3. NVMe-over-Fabrics的结构。NVMe（非易失性内存Express）技术本身是一种优化的高性能，低延迟接口，它使用一种体系结构和一组协议，这些协议和协议专门设计用于通过PCI Express总线将SSD连接到服务器。 对于CDI，此标准已扩展到非本地服务器上的NVMe-over-Fabrics。
该规范允许闪存设备通过网络通信（使用不同的网络协议和传输介质-见图3），与本地NVMe设备具有相同的高性能和低传输延迟。 同时，对于可以共享光纤网络上的NVMe设备的服务器数量或一台服务器可以访问的此类存储设备的数量，实际上没有任何限制。
当今大数据密集型应用程序的需求超出了传统数据中心体系结构的功能，特别是在可伸缩性，性能和效率方面。 随着CDI（按组件分解的基础架构）的出现，数据中心架构师，云服务提供商，系统集成商，存储开发人员和OEM可以为存储和计算服务提供更高的成本效益，灵活性，效率和可扩展性，并为每个人动态提供所需的SLA工作量。