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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18