存儲管理已成眾多企業(yè)的短板

Andy Patrizio Charles

調(diào)查發(fā)現(xiàn)，企業(yè)雖然采用了人工智能、機器學習、邊緣計算和物聯(lián)網(wǎng)等技術(shù)，但仍在使用無法處理這些工作負載的傳統(tǒng)存儲方法。

可能你早就有所耳聞：企業(yè)競相采用新的技術(shù)模式，但在存儲方面仍然使用的是相對過時的技術(shù)。

由存儲供應商NGD系統(tǒng)公司對300多名存儲專業(yè)人員進行的一項調(diào)查發(fā)現(xiàn)，在受訪的企業(yè)中，只有11%會把自己的計算和存儲能力評為“A”級。

為什么？ 受訪企業(yè)給出的主要原因是，盡管企業(yè)正在快速部署用于邊緣網(wǎng)絡(luò)、實時分析、機器學習和物聯(lián)網(wǎng)（IoT）項目的技術(shù)，但仍在使用傳統(tǒng)的存儲解決方案，而這些解決方案并不是針對此類數(shù)據(jù)密集型工作負載而設(shè)計的。超過一半的受訪者（54%）表示，對邊緣應用的處理是瓶頸，他們需要更快、更智能的存儲解決方案。

NVMe SSD的應用在增長，但不能滿足所有需求

也不全是壞消息。由Dimension研究公司進行的題為“存儲和邊緣計算現(xiàn)狀”的研究發(fā)現(xiàn)，60%的存儲專業(yè)人員使用NVMe SSD技術(shù)來加速處理邊緣生成的大量數(shù)據(jù)。

然而，這并沒有滿足他們的需求。人工智能（AI）和其他數(shù)據(jù)密集型應用的部署越來越多，數(shù)據(jù)傳送的距離也越來越長，這會導致網(wǎng)絡(luò)瓶頸，分析結(jié)果大大延遲。邊緣計算系統(tǒng)往往比傳統(tǒng)的數(shù)據(jù)中心占用的空間更小，因此性能有所限制。

解決方案是在接收數(shù)據(jù)的地方處理數(shù)據(jù)，在本例中是邊緣設(shè)備。把“麥粒”與“谷殼”分開后，只把相關(guān)的數(shù)據(jù)發(fā)送到上游數(shù)據(jù)中心進行處理。這被稱為計算存儲，在存儲數(shù)據(jù)的地方處理數(shù)據(jù)，而不僅僅是移動數(shù)據(jù)。……