大數據推動存儲市場發展

近日，美國市場研究公司IDC發布報告稱，大數據技術和服務的不斷升級，拉動全球存儲市場將在2011至2016年間實現53%的復合年增長率。在可預見的未來，多數組織產生、處理、存儲的數據都將繼續保持快速增長。“在可預見的未來，存儲是大數據和分析領域最大的基礎設施開支之一。”IDC存儲系統研究總監阿西什·納卡尼說，“大數據和分析領域所產生的存儲開支將從2011年的3.799億美元，激增至2016年的60億美元。”

在受訪企業中，有68.6%在選擇存儲架構時主要看重性能，有59.5%更加看重成本。接近31%的受訪企業表示，雖然尚未針對數據分析基礎架構部署企業存儲系統，但準備在今后6個月內部署。

在實際應用方面，63.7%的受訪企業主要借此分析運營數據，還有53.3%主要分析交易數據。IT是數據分析基礎架構的最大影響因素，遠高于排名第二的運營。有超過61%的受訪企業，將提升客戶滿意度作為數據分析方案所應解決的最大商業挑戰。

大數據存儲容易出現問題

在大數據時代來臨之際，我們面臨的挑戰還有存儲問題。大數據中的大容量通?？蛇_到PB級的數據規模，那么對于海量數據存儲系統擴展能力的要求也會很高。以國內某省為例，公共視頻監控已經超過100多萬個攝像頭，總保有量近400萬，以此估計，全國攝像頭數量不少于4000萬，某投行的報告稱行業每年還在以20%加速增長，行業龍頭?？低?2年的年報披露的銷售量就達570萬套(含前后端)，增長37%。而另一個數據也很驚人，英國的攝像頭數量與人口數量之比已經達到1：15。

粗略計世界至少有1億個攝像頭在角落靜靜的看著，這樣的視頻監控將是數據的大生成器。從攝像前端的海量數據和到有效數據之間的也存在矛盾，攝像頭不停歇的工作，如實記錄鏡頭覆蓋范圍發生的一切，但對于客戶來講大部分信息是無效，有效信息可能只分布在一個較短的時間段內，大量的數據存儲給數據庫帶來不小的壓力，而無效的數據更是對于資源的浪費。

與此同時，存儲系統的擴展一定要簡便，盡量能通過增加模塊或磁盤柜來增加容量，甚至不需要停機?；谶@樣的需求，客戶現在越來越青睞Scale-out架構的存儲。Scale-out集群結構的特點是每個節點除了具有一定的存儲容量之外，內部還具備數據處理能力以及互聯設備，與傳統存儲系統的煙囪式架構完全不同，Scale-out架構可以實現無縫平滑的擴展，避免存儲孤島。

大數據存儲平臺必須具有彈性

● 大數據之“大”

“大”是相對而言的概念。例如，對于像SAPHANA那樣的“內存數據庫”來說，2TB可能就已經是大容量了;而對于像谷歌這樣的搜索引擎，EB的數據量才能稱得上是大數據。

“大”也是一個迅速變化的概念。HDS在2004年發布的USP存儲虛擬化平臺具備管理32PB內外部附加存儲的能力。當時，大多數人認為，USP的存儲容量大得有些離譜。但是現在，大多數企業都已經擁有PB級的數據量，一些搜索引擎公司的數據存儲量甚至達到了EB級。由于許多家庭都保存了TB級的數據量，一些云計算公司正在推廣其文件共享或家庭數據備份服務。

● 有容乃“大”

由此看來，大數據存儲的首要需求存儲容量可擴展。大數據對存儲容量的需求已經超出目前用戶現有的存儲能力。我們現在正處于PB級時代，而EB級時代即將到來。過去，許多企業通常以五年作為IT系統規劃的一個周期。在這五年中，企業的存儲容量可能會增加一倍?，F在，企業則需要制定存儲數據量級(比如從PB級到EB級)的增長計劃，只有這樣才能確保業務不受干擾地持續增長。

這就要求實現存儲虛擬化。存儲