据统计，自人类诞生以来所产生的总信息量为5EB，其中有四分之一是在近两年内产生的。近年来，不仅数据量出现爆炸式增长，数据对于业务的价值也在快速上升。大数据时代正在以“排山倒海”的气势迅猛袭来。为迎合这一趋势，存储技术也在这样的时代变迁下日新月异。

责编：高玉娴

从最原始的打孔方式、电路形式，以及以主机为主的形式，存储正在向开放式、分布式以及融合存储形式演进，为应对IT从主机和终端连接的T1平台，向服务器和终端连接的T2平台、以及云计算和移动终端连接为主的T3平台演进，存储市场经历了一代又一代的更替和变革。如今，新应用的部署、IT架构的演进，驱动着企业用户不断革新存储架构，提高存储使用效率和动态资源配置管理效率，并且提升以工作负载为核心的资源优化。

从存储维度评估是否能应对大数据分析挑战，既要评估存储的IOPS（每秒进行读写操作的次数）是否足够，也要充分权衡存储的性能是否满足OLAP的需求。此外，存储设备能否满足在批量分析过程中的需求？存储产品能否应对大数据分析的过程中对读和写的更高要求？这都是用户在处理海量数据过程中经常遇到的问题。因此，王丛认为，为应对OLTP和OLAP性能需求，大数据时代对于存储的IOPs和MBPs需求都进一步提高。对此，充分利用闪存MLC读性能和SLC写性能，能够优化用户的大数据存储性价比。同时，集群NAS也能更有效地应对非结构化大数据对存储容量和并发处理能力需求。

共3页: 上一页1

新技术，为新需求而生

中桥国际调研咨询有限公司首席分析师王丛，在日前接受畅享网记者采访时表示，目前中国用户对大数据的技术挑战和业务价值尚存在一些误区，大数据和数据量有关，但数据量大并不等于大数据。大数据挑战是一个相对的、并且不断变化的的概念。就商业智能分析而言，大数据时代所带来的挑战往往与数据ETL的（抽取、转换、加载）速度，以及批量分析子集处理能力相关。而在大数据分析阶段，往往与数据近实时和实时分析能力、对Hadoop支撑效率和分析数据呈现等因素相关。

对于近年来被热议的“软件定义存储”概念，王丛认为，软件定义存储通过数据控制和信息解耦，在消除存储孤岛的同时，也使得用户得以充分发挥所有的存储容量，以及容量优化技术（存储与删除、数据压缩、自动分层、自动精简）和企业级功能（如快照、复制）技术，从而应对大数据时代对存储性能、容量、可用性和数据生命周期管理效率量等方面的需求。