對(duì)象存儲(chǔ)再度登場(chǎng)
對(duì)象存儲(chǔ)已告別了過去的冷存儲(chǔ)形象，并以主存儲(chǔ)的全新形式出現(xiàn)。原先，對(duì)象存儲(chǔ)用于支持超大數(shù)據(jù)集的管理，這些超大數(shù)據(jù)集往往超出了傳統(tǒng)文件系統(tǒng)的處理能力。但如今，因能夠支持對(duì)大型數(shù)據(jù)集的高度并行及分布式訪問，對(duì)象存儲(chǔ)已經(jīng)成為云原生應(yīng)用的存儲(chǔ)標(biāo)準(zhǔn)。在對(duì)云友好型架構(gòu)進(jìn)行應(yīng)用程序開發(fā)或重新部署時(shí)，對(duì)象存儲(chǔ)將自然地成為首選，其可支持應(yīng)用程序解耦，并能實(shí)現(xiàn)在共享存儲(chǔ)池中將應(yīng)用程序與計(jì)算資源分離。這種模式不僅可用于定制軟件的開發(fā)，而且也得到了大型軟件供應(yīng)商（如Splunk和Vertica）的應(yīng)用。
現(xiàn)代分析飛速發(fā)展
現(xiàn)代分析增長的動(dòng)力來自于基礎(chǔ)設(shè)施的使用變得更加經(jīng)濟(jì)實(shí)惠，這包括出現(xiàn)了更強(qiáng)大的CPU、在本地和公有云中均可應(yīng)用的消費(fèi)級(jí)基礎(chǔ)設(shè)施、價(jià)格更低的閃存。串流數(shù)據(jù)分析平臺(tái)也出現(xiàn)了顯著增長，包括開源平臺(tái)（Apache Flink、Apache Beam和Spark Streaming）以及商用平臺(tái)（Splunk DSP），它們?nèi)〈嗽絹碓蕉嗟呐幚砥脚_(tái)。借助由無狀態(tài)服務(wù)器、容器和高性能S3協(xié)議兼容的對(duì)象存儲(chǔ)構(gòu)成的云原生架構(gòu)，現(xiàn)代分析可實(shí)現(xiàn)更大的規(guī)模。此外，包括智能設(shè)備（智能家居、可穿戴設(shè)備、汽車互聯(lián)、工業(yè)物聯(lián)等）在內(nèi)的數(shù)據(jù)來源飛速增長，也將推動(dòng)現(xiàn)代分析技術(shù)的應(yīng)用，以獲得更多洞察。
借助QLC等新一代媒介，閃存將挑戰(zhàn)“不可能”
閃存自推出以來，在很大程度上僅被視為以性能為主的Tier1應(yīng)用程序。但隨著新的固態(tài)存儲(chǔ)技術(shù)出現(xiàn)并帶來存儲(chǔ)分層，譬如存儲(chǔ)級(jí)內(nèi)存（SCM）和QLC，閃存如今蓄勢(shì)待發(fā)，將助力數(shù)據(jù)走向全新的發(fā)展方向。在高端領(lǐng)域，通過結(jié)合SCM和NVMe-oF等高速協(xié)議，共享存儲(chǔ)陣列現(xiàn)可為延遲敏感型應(yīng)用提供比肩基于服務(wù)器的存儲(chǔ)的性能表現(xiàn)。這組應(yīng)用是DAS上僅存的幾個(gè)應(yīng)用之一，其現(xiàn)可獲得和共享存儲(chǔ)相同的數(shù)據(jù)服務(wù)，包括數(shù)據(jù)保護(hù)、數(shù)據(jù)規(guī)約等，這實(shí)現(xiàn)了頂級(jí)的性能和豐富的數(shù)據(jù)服務(wù)。同時(shí)，即將推出的QLC將把閃存引入目前主要位于磁盤上的存儲(chǔ)層。這種成本的降低使所有應(yīng)用程序都能盡享閃存除性能之外的更多優(yōu)勢(shì)：簡(jiǎn)易、可靠、數(shù)據(jù)中心的能耗降低和空間節(jié)省等。
容器躋身主流，需要持久性存儲(chǔ)
容器的出現(xiàn)讓無狀態(tài)應(yīng)用程序的部署變得更為簡(jiǎn)單且成本低廉。但隨著Kubernetes的出現(xiàn)和VMware對(duì)容器的支持，容器的使用迅速擴(kuò)展到了主流應(yīng)用程序。那么，為容器打造的持久性存儲(chǔ)對(duì)于賦能數(shù)據(jù)庫和應(yīng)用程序以實(shí)現(xiàn)容器的重新部署則至關(guān)重要。2020年，大多數(shù)企業(yè)的私有云和混合云平臺(tái)發(fā)展有望超越VMs，他們將在企業(yè)范圍內(nèi)部署容器策略，包括奠定存儲(chǔ)基礎(chǔ)以支持狀態(tài)式、任務(wù)關(guān)鍵應(yīng)用程序，以全面迎接容器時(shí)代的到來。
客戶希望獲得自動(dòng)的解決方案，因此AI運(yùn)營將從過去顧問的角色轉(zhuǎn)變?yōu)樽詣?dòng)化運(yùn)行
未來，企業(yè)將更開放地接受AI，并借助AI進(jìn)行決策制定�？蛻粝Ｍ贫ㄕ吆蠼挥晒⿷�(yīng)商實(shí)施，這一部分上是由Kubernetes的聲明式特征和容器管理決定的。容器的簡(jiǎn)易性將使企業(yè)能夠定義狀態(tài)，并容器將作為催化劑。這樣的技術(shù)將在整體環(huán)境中得以應(yīng)用并提供洞察。AI將應(yīng)用于高效地探查預(yù)測(cè)模型的性能不足之處，并為該特征空間擴(kuò)充數(shù)據(jù)。這對(duì)AI的應(yīng)用至關(guān)重要，例如異常檢測(cè)和自動(dòng)化根本原因分析能使其具有可擴(kuò)展性并適用于更多情境。
客戶需要?jiǎng)?chuàng)新"訂閱即服務(wù)"的業(yè)務(wù)模式
自公有云問世，“即服務(wù)”的模式相伴而生。對(duì)于大多數(shù)的存儲(chǔ)用戶而言，混合云既是當(dāng)下現(xiàn)實(shí)，也是未來趨勢(shì)。不論何時(shí)，用戶都希望最大程度地發(fā)揮混合云的功效，以基于本地部署的基礎(chǔ)架構(gòu)實(shí)現(xiàn)簡(jiǎn)易化和自動(dòng)化，從而像管理云一樣地管理基礎(chǔ)架構(gòu)，并在云端實(shí)現(xiàn)與本地部署相同的企業(yè)級(jí)功能和控制——靈活的、基于訂閱的“即服務(wù)”模式。2020年，存儲(chǔ)領(lǐng)域?qū)?ldquo;即服務(wù)”模式的需求將會(huì)增加，企業(yè)也將對(duì)OPEX模型進(jìn)行更多投資。不過，成功的“即服務(wù)”模式需要平衡運(yùn)營和采購兩個(gè)方面。從運(yùn)營的方面來看，該模式的關(guān)鍵特征包括標(biāo)準(zhǔn)化（相較于雪花模式）、按需訪問、API驅(qū)動(dòng)管理和無限擴(kuò)展。而從消費(fèi)方面來看，其關(guān)鍵特性包括付費(fèi)使用模型、云爆發(fā)能力（按需向上/向下擴(kuò)展）、無間斷的持續(xù)運(yùn)行體驗(yàn)、在不干擾業(yè)務(wù)的前提下實(shí)現(xiàn)服務(wù)持續(xù)增長/升級(jí)。以上的“即服務(wù)”模式都是通過100%的月付費(fèi)OPEX服務(wù)實(shí)現(xiàn)的。
