1. 课程导入与全景认知

在混合云成为企业数据基础设施常态的今天，真正困难的往往不是"把数据放在哪里"，而是"数据如何在本地数据中心与公有云之间有序流动、被一致地管理、并在需要时被正确的人与业务访问"。HPE Alletra 正是围绕这一目标构建的数据基础设施产品族：它既包含面向块存储与文件/对象场景的系统，也包含统一的数据服务与云运营能力，使本地阵列、边缘站点与公有云之间形成可编排、可观测、可治理的数据通路。

本课程的目标不是罗列产品型号，而是建立一条完整的认知主线：数据在哪里产生、经过哪些组件、以什么方式流动、由谁编排、如何被保护与优化。学完本课程，你应当能够读懂一个混合云数据流场景的拓扑，判断某条数据路径上的关键节点与潜在瓶颈，并能针对"上云备份""云上灾备""跨站点迁移""云上分析"等典型需求，选择合适的 Alletra 能力组合。

核心概念：先分清四类"流动"

在 Alletra 的语境中，"数据流动"并不是一个笼统的动作，而是可以拆成四类彼此关联的过程，理解它们的区别是后续所有章节的基础。

• 数据面流动：真正的业务数据块或对象在存储系统、主机与云存储之间的搬运，例如快照复制、卷复制、对象分层到云桶。它关心带宽、时延、一致性与增量效率。
• 控制面流动：策略、任务、元数据与状态信息的传递，例如复制策略下发、保护策略绑定、云连接状态上报。它关心的是"谁在什么时候对哪份数据做了什么"。
• 访问面流动：应用或用户读取数据的路径，例如通过 iSCSI/NVMe-oF 访问块卷、通过 S3 兼容接口访问对象、通过文件协议访问共享目录。它关心协议、权限与性能。
• 管理面流动：监控、告警、容量与性能数据汇聚到统一管理平台的过程，例如遥测数据上报、健康状态汇总。它关心可观测性与自动化触发条件。

这四类流动经常同时发生，但故障与优化往往只落在其中一类上。例如"云上备份任务成功但恢复很慢"，问题通常不在控制面，而在数据面的增量链与访问面带宽。把问题归到正确的"面"，是本课程反复训练的判断习惯。

整体架构：从本地阵列到云端的五层视图

下面这张图给出本节最值得记住的全景结构。它不描述某个具体型号，而是抽象出 Alletra 混合云协同中稳定的五层关系：数据源与主机层、本地存储层、数据服务与编排层、云连接与传输层、云端目标与消费层。图中同时标出了数据面、控制面与管理面的主要走向，便于你在后续章节中把具体功能"挂"到对应层上。

读图时建议按"从下往上"和"从右往左"两个方向各走一遍。从下往上，你能看到一份数据从业务主机写入本地阵列、被策略捕获、经云连接传输、最终落到云对象存储的完整链路；从右往左，你能看到控制指令如何从统一管理平台下发到各层，以及管理面遥测如何反向汇聚。后续每一章，基本都是在放大这张图中的某一段。

学习路径：三条主线与一个判断框架

本课程 30 章按三条主线推进。第一条是数据流动主线，讲清楚块、文件、对象三类数据在本地与云之间的复制、分层、迁移与恢复机制；第二条是协同与治理主线，讲策略编排、统一命名空间、权限与加密、成本与容量治理；第三条是运维与排障主线，讲如何观测链路健康、定位瓶颈、验证恢复结果。三条主线不是割裂的，而是围绕同一张全景图从不同角度切入。

为了让你在遇到具体场景时能快速定位，这里给出一个可复用的判断框架，建议在后续章节中反复使用：

一个贯穿课程的示例场景

为了让抽象概念有落点，本课程会反复使用一个示例场景（以下参数均为教学假设，用于说明方法而非实测结果）：某企业本地有一套 Alletra 块存储承载核心数据库，要求每 15 分钟产生一次本地快照，每小时将增量复制到云对象存储，保留 30 天；同时每周从云上拉起一份副本到云上沙箱环境用于报表分析。这个场景同时触及数据面（增量复制）、控制面（策略与保留规则）、访问面（沙箱挂载）和管理面（容量与成本观测），非常适合作为贯穿案例。