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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13