
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
当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12