大数据存储平台发展必须具有弹性

粗略计世界至少有1亿个摄像头在角落静静的看着，这样的视频监控将是数据的大生成器。从摄像前端的海量数据和到有效数据之间的也存在矛盾，摄像头不停歇的工作，如实记录镜头覆盖范围发生的一切，但对于客户来讲大部分信息是无效，有效信息可能只分布在一个较短的时间段内，大量的数据存储给数据库带来不小的压力，而无效的数据更是对于资源的浪费。

与此同时，存储系统的扩展一定要简便，尽量能通过增加模块或磁盘柜来增加容量，甚至不需要停机。基于这样的需求，客户现在越来越青睐Scale-out架构的存储。Scale-out集群结构的特点是每个节点除了具有一定的存储容量之外，内部还具备数据处理能力以及互联设备，与传统存储系统的烟囱式架构完全不同，Scale-out架构可以实现无缝平滑的扩展，避免存储孤岛。

大数据存储平台必须具有弹性

● 大数据之“大”

“大”是相对而言的概念。例如，对于像SAPHANA那样的“内存数据库”来说，2TB可能就已经是大容量了;而对于像谷歌这样的搜索引擎，EB的数据量才能称得上是大数据。

“大”也是一个迅速变化的概念。HDS在2004年发布的USP存储虚拟化平台具备管理32PB内外部附加存储的能力。当时，大多数人认为，USP的存储容量大得有些离谱。但是现在，大多数企业都已经拥有PB级的数据量，一些搜索引擎公司的数据存储量甚至达到了EB级。由于许多家庭都保存了TB级的数据量，一些云计算公司正在推广其文件共享或家庭数据备份服务。

● 有容乃“大”

由此看来，大数据存储的首要需求存储容量可扩展。大数据对存储容量的需求已经超出目前用户现有的存储能力。我们现在正处于PB级时代，而EB级时代即将到来。过去，许多企业通常以五年作为IT系统规划的一个周期。在这五年中，企业的存储容量可能会增加一倍。现在，企业则需要制定存储数据量级(比如从PB级到EB级)的增长计划，只有这样才能确保业务不受干扰地持续增长。

这就要求实现存储虚拟化。存储虚拟化是目前为止提高存储效率最重要、最有效的技术手段。它为现有存储系统提供了自动分层和精简配置等提高存储效率的工具。拥有了虚拟化存储，用户可以将来自内部和外部存储系统中的结构化和非结构化数据全部整合到一个单一的存储平台上。当所有存储资产变成一个单一的存储资源池时，自动分层和精简配置功能就可以扩展到整个存储基础设施层面。在这种情况下，用户可以轻松实现容量回收和容量利用率的最大化，并延长现有存储系统的寿命，显着提高IT系统的灵活性和效率，以满足非结构化数据增长的需求。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友