1 回复 最新回复: Jan 29, 2018 6:52 PM merrist139 RSS

2018年存储行业预测,软件将大有可为?

Leo Zhenjun Li

内容来源/Storagenewsletter

 

 

虽然距离2018年还有不到2个月的时间,不过一年一度的总结/预测大幕已经悄然拉开~今天分享一篇来Storagenewsletter的文章,作者从软件层面预测了2018年的存储发展趋势。

 


 

 

 

软件解决了存储的复杂性

 

要是总结一下过去几年IT行业的年度热门词汇的话,那非软件定义存储(SDS)莫属。IT人士通常不会承认自己喜欢流行语,然而事实上是,过去几年就属他们说了最多的SDS。

 

SDS这个词汇借鉴于软件定义网络(SDN),由销售人员将它发扬光大,由于各个厂商都在说这个词,所以关于它的真正含义经常摸不着头脑。不过这也说明了软件定义解决方案市场的火热,因为它试图弥合传统基础设施和现代存储需求之间的差距。伴随着全球硬件销售出现下滑,IDC预测,2017-2021年SDS市场仍将以每年的13.5%的速度增长,到预测期结束时增长至162亿美元。

 

 

 

 

 

分析应用促进存储和数据智能化

 

 

长期以来,存储一直是被动的,除了知道数据读写外并不知道它们的真实需求是什么,应用程序也不是存储感知。这种状况使IT部门无法详细掌握数据情况,不知道它们是冷数据还是热数据。而元数据管理解决方案正在打开这一局面。通过元数据智能管理,管理员和软件终于可以查看文件上次打开的时间、打开频次、修改人员、修改时间等等。


IT部门可以使用这种智能管理更有效地管理存储资源,将数据与资源协调一致,以满足业务要求的性能与成本。意外变热的数据可以实时转移到性能层,如全闪存阵列;而冷数据可以也实时从昂贵的存储层移出到归档云(Arichve cloud)或对象层。

 

 

 

 

数据孤岛不再,敏捷性增强

 

闪存,共享和云存储为IT团队提供了比以往更多的选项,满足他们的特定应用程序或业务需求。然而,这些存储系统依然是个数据孤岛,并没有真正相互连接。这意味着,许多运营数年以上的IT团队正在根据年龄,管理不同功能的独立存储系统。不过随着数据虚拟化,IT团队终于可以创建一个全局命名空间(global namespace),这些不同的资源可以同时用于应用程序。然后,IT部门可以制定政策,自动将数据从现有的基础架构调整到正确的资源并进入云端,从而有效地管理数据和存储来满足不断变化的需求,以实现灵活性。

 

 

 

通过机器学习定制存储服务

 

通过添加软件来收集应用程序使用的元数据,分析整个企业存储基础架构的元数据,并将数据需求与存储系统功能协调一致,管理员可以获得机器学习智能的强大功能。IT可以自定义地将业务需求与现有的或增量式的存储资源相匹配,而不是采用一成不变的解决方案。随着时间的推移,具有机器学习的数据管理软件可以帮助管理员继续完善策略,实现性能和成本的平衡。

 

 

 

数据迁移难题有望解决

 

迁移是许多IT专业人士的头号难题之一,因为它们复杂,风险大,成本高且耗时。

 

IT团队的3大挑战:性能、迁移和预算

 

2018年,通过能实现自动化数据迁移的软件,这一难题也许能得到缓解。一旦全局命名空间中连接了不同的存储资源,数据就可以在其中自由迁移,以满足不断变化的需求。如果IT部门需要淘汰旧的存储系统,可以通过软件可以给被迁移的数据设定目的地,管理员只需点击几下即可自动迁移。

 

 


 

 

 

存储管理员将变为数据管理员

 

随着软件终于能使IT部门跨存储管理数据,存储管理员的角色也将发生变化。有了元数据分析查看数据活动的能力,管理员将从手动管理容量和配置存储,变为评估策略是否符合应用程序所有者要求,而原来的手动工作将被机器学习软件代替。数据管理员甚至可以创建服务目录,应用程序管理员可以根据预算和需求,自行选择他们需要的性能和保护等级。


 

针对这些趋势,EMC有很多解决方案,今天先分享一个软件定义存储的,其他的陆续分享。