Wikibon坚持server SAN主导论

简介:

2016年8月份,Wikibon发布了一期关于Server SAN的预测报告,再次重复了它在2014年Server SAN研究项目中透露的信息——“存储由传统存储阵列向Server SAN的迁移势不可挡。”

报告综述称全球Server SAN市场营收,2014年为12.5亿美元,而在2015年则增加了12.5亿美元达到25亿美元,整体增长率为99%。

Nutanix,VMware和EMC(ScaleIO)都是领导厂商,份额占市场总数的43%,ScaleIO从2014年到2015年增长了3.5倍。

从2015-2026年,企业级Server SAN全球营收预计年复合增长率达22%,由2015年的25亿美元达到2026年220亿美元。

Wikibon将Server SAN市场划分为超大规模Server SAN(最初由云服务提供商部署,2026年将转向主要的存储供应商)和企业级Server SAN。它包括虚拟SAN和超融合供应商(按定义都是虚拟SAN)。

与之前2014和2015年报告不同的是Wikibon“现在预期超大规模云计算市场和企业级存储市场(企业级Server SAN和传统存储)能够在2026年营收不相上下,约在270亿美元。”

最终的结果是,在2026年,二者几乎将传统SAN, NAS和直连存储(DAS)取而代之。现在,如果SAN, NAS和DAS市场中的存储和系统供应商不转向企业Server SAN和/或超大规模Server SAN,那么它们未来将会面临无人问津的尴尬境遇。

image

2014年Wikibon Server San预测

image

2015年Wikibon Server San预测

image

2016年Wikibon Server SAN预测

Wikibon分析师还提供了一张饼状图呈现供应商营收:
image

相比Forrester的超融合供应商波形图——Nutanix, SimpliVity和Pivot3变成了三名领导厂商,Wikibon的图表感觉更加真实。Nutanix主导,然后是VMware(VSAN),EMC(ScaleIO)。考虑到EMC现在极为重视VxRack和Rail,我们可以很容易猜到Wikibon 的下一期报告中Dell/EMC将占主导地位。HPE凭借VSA排第四,然后SimpliVity是第五,相比HPE的12%市场份额,SimpliVity市场份额为6%,DataCore第六,Nexenta第七,Pivot3排名第八。之后是Scale computing,最后其它。

本文转自d1net(转载)

相关文章
|
10天前
|
数据采集 人工智能 安全
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
316 164
|
4天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
322 155
|
5天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
369 4
|
13天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
910 7