京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2012年行将结束,2013年即将到来,在数据爆炸式增长和全球经济不景气的背景下,IT人士面临着诸多挑战:如何利用有限的预算来解决数据管理难题?如何准确判断未来的数据存储趋势?如何将这些数据转化为更有价值的信息?这些问题无一不成为当今存储行业的热门话题。
放眼2013年,大数据将继续成为IT行业中首要关注的问题,并可谓机遇与挑战并存。随着数据的爆炸式增长,拍字节(Petabyte,简称PB)已成为新的数据衡量标准,更高一级的艾字节(Exabyte,简称EB)也将逐渐引起业界的关注。可见,大数据已踏上时代的舞台,成为存储行业、甚至整个IT行业的主角。
12月4日,HDS公司(Hitachi Data Systems,日立数据系统)副总裁兼首席技术官Hubert Yoshida公布了2013年存储行业十大趋势预测。该预测以企业面临的迫切挑战作为出发点,并且对于如何将大数据转化为有价值信息,以支持企业业务增长有着深刻的意义。
HDS副总裁兼首席技术官 Hubert Yoshida
趋势之一:运营支出和固定成本支出将显著变化
在过去的10年中,存储总成本每年增长约7%,这些增长主要源于运营支出(OPEX),并将继续呈现较为显著的变化;而由于对硬件功能和存储容量需求的增加,一直比较稳定的固定成本支出(CAPEX)也将在2013年出现上涨趋势,并在总拥有成本中占据更大的比例。
趋势之二:企业将出现新的消费模式
过去,企业往往先采购所有可能需要的存储,并在之后的4到5年中将这些固定成本支出(CAPEX)慢慢投入使用;现在,企业将抛弃这种采购模式,而在真正需要的时候再去采购相应的存储设备,实现按需采购的新模式。要做到这一点,企业必须借助动态存储配置、虚拟化以及无间断数据迁移等技术能力。存储厂商也可以通过提供管理服务的方式帮助企业将固定资本转变为运营成本。
趋势之三:管理数据复制将爆炸性增长
将成倍增长的数据不断进行复制和备份是重复数据的最大来源,通过减少对于无变化数据的备份和复制需要,对象存储将有助于解决这一问题。
趋势之四:企业级闪存控制器将出现
与硬盘驱动器相比,高性能闪存固态硬盘(SSD)由于价格高昂并且耐用性有限,因此在企业中的使用率增长一直很缓慢。2013年,面向企业级存储系统的闪存控制器将被引入市场,且耐用性、性能和闪存容量均得到提高。
趋势之五:入门级企业存储系统将有新需求
越来越多的VMware等虚拟化管理程序应用改变了中端存储系统的需求,例如VDI。随着入门级企业存储需求的增长,企业级和中端存储架构的鸿沟将越来越小。这些存储系统能够通过增加更多的处理器、端口、缓存,实现横向扩展以适应工作量的增长,并且售价适中。
趋势之六:基于对象的文件系统将非常必要
非结构化数据的增长将需要更大规模、更具伸缩性的文件系统,标准文件系统将被基于对象的文件系统所替代,以满足不断增长的非结构化数据需求。借助对象存储的方式来管理文件系统数据和元数据(data about data)能够快速恢复文件系统,实现文件高性能访问,并做到文件自动分层。
趋势之七:数据归档和数据共享内容平台将加速使用
存储虚拟化使得应用程序可以共享存储资源,但应用程序的数据仍然局限在独立的信息孤岛之中。2013年,用户将能够尝试把来自不同应用程序的信息联系起来,这一趋势将加速数据归档和数据共享内容平台的使用。
趋势之八:硬件辅助控制器将满足复杂工作负载
存储控制器将配备先进的处理器和硬件辅助ASIC(Application Specific Integrated Circuit),来处理日益复杂的工作负荷,并应对更高的吞吐量。
趋势之九:数据共享平台将进一步提升工作效率
移动设备的广泛采用提高了生产效率,并促进了创新,但也给企业数据中心带来了难题。2013年将会出现一个安全的、随地均可访问的数据共享平台,可将移动设备的安全隐患降到最低,并进一步提高移动工作者的工作效率。
趋势之十:更加紧密集成的融合解决方案将出现
得到认证的、具有预配置和预测试功能的融合基础架构解决方案正不断获得市场认可。2013年,我们将看到越来越多的人开始使用统一计算平台,服务器、存储、网络资源的管理和协调可以通过一个平台完全实现。
从以上的趋势中不难看出,大数据给存储行业带来的机遇与挑战一直共存,这也使大数据长久以来更像一把双刃剑,如何发挥其最大威力又不伤及自身,将是每一位IT专业人士的首要课题。同时,业界也不得不在有限的预算和时间内应对这些挑战,并学会如何从大数据中挖掘出商业价值,以促进经济的增长和发展,使大数据这块巨大的金矿绽放最强的光芒。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06