大数据推动存储市场发展
近日，美国市场研究公司IDC发布报告称，大数据技术和服务的不断升级，拉动全球存储市场将在2011至2016年间实现53%的复合年增长率。在可预见的未来，多数组织产生、处理、存储的数据都将继续保持快速增长。“在可预见的未来，存储是大数据和分析领域最大的基础设施开支之一。”IDC存储系统研究总监阿西什·纳卡尼说，“大数据和分析领域所产生的存储开支将从2011年的3.799亿美元，激增至2016年的60亿美元。”
在受访企业中，有68.6%在选择存储架构时主要看重性能，有59.5%更加看重成本。接近31%的受访企业表示，虽然尚未针对数据分析基础架构部署企业存储系统，但准备在今后6个月内部署。
在实际应用方面，63.7%的受访企业主要借此分析运营数据，还有53.3%主要分析交易数据。IT是数据分析基础架构的最大影响因素，远高于排名第二的运营。有超过61%的受访企业，将提升客户满意度作为数据分析方案所应解决的最大商业挑战。
大数据存储容易出现问题
在大数据时代来临之际，我们面临的挑战还有存储问题。大数据中的大容量通常可达到PB级的数据规模，那么对于海量数据存储系统扩展能力的要求也会很高。以国内某省为例，公共视频监控已经超过100多万个摄像头，总保有量近400万，以此估计，全国摄像头数量不少于4000万，某投行的报告称行业每年还在以20%加速增长，行业龙头海康威视12年的年报披露的销售量就达570万套(含前后端)，增长37%。而另一个数据也很惊人，英国的摄像头数量与人口数量之比已经达到1：15。
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
