为部署的系统做出正确的数据存储决策

本文涉及的产品
文件存储 NAS,50GB 3个月
简介: 为部署的系统做出正确的数据存储决策

640.jpg


多年来,当军事系统设计人员需要在军事平台上部署数据存储时,他们只依赖直连存储(DAS)设备。这些设备嵌入或直接连接到计算机,例如平台上的单板计算机(SBC)。使用DAS设备时,只有它所连接的特定SBC(会话边界控制器)可以访问存储的静态数据(DAR)。

随着以太网在现代平台上变得越来越普遍,网络附加存储(NAS)设备(也称为网络文件服务器[NFS])已经成为部署数据存储的重要替代方案。

借助NAS,以太网上的任何客户端设备都可以使用存储的DAR。NAS和DAS经常结合使用,以满足所有程序、平台和应用程序的要求。

但是,在只使用DAS或NAS设备有意义的情况下,了解它们之间的区别是很有用的。

由于DAS相对简单,它比NAS设备更容易部署。由于DAS设备安装在计算机内,或者直接连接到计算机,因此减轻了更广泛的连接要求。

但是,平台上的每个DAS设备都必须单独部署、升级和维护,这会增加总拥有成本(TCO)。相比之下,NAS设备必须连接到平台上的以太网网络,这可能会增加部署的复杂性和成本。

虽然NAS设备的购买和部署通常比DAS设备更昂贵,但它们确实提供了更多的功能,如集中式数据存储,这可以抵消购买、升级和维护多个存储设备所需的时间和成本。

考虑在较大的平台上使用数据存储设备,其中存储的数据可能被分为不同的级别——绝密、秘密或敏感但未分类。这些不同的数据级别需要分开保存,每个级别的访问要求也不同。

DAS提供了保持数据级别分离的最简单方法,因为DAS设备只连接到一个SBC。如果需要以太网,处理多个分类级别的最简单方法是为每个数据级别创建物理上独立的网络。

每个都需要一个独立的NAS来服务自己的网络,它们之间没有连接。如果需要之间的信息流,则需要跨域解决方案来确保适当的数据流和访问标准。

与NAS相比,DAS设备提供了简化的集成,因为它可以直接安装到SBC上。除了印刷电路板和可能的传导冷却框架之外,DAS设备不需要单独的电源、外壳或结构。

如果需要数据传输,而不是数据传输,则支持可移动数据卡盒(如RMC[可移动存储卡盒]卡)的DAS设备将是首选。

任务结束后,收集到的数据可以传输回基站进行更彻底的分析。DAS设备不适合这种应用,因为它不容易移动。

使用NAS设备可以简化用户的软件升级。在每次执行任务之前,每个客户端的当前OS[操作系统]和APP[应用程序]可以通过可移动的数据卡带加载到网络上。

如果操作系统或应用程序需要更新或升级,新的软件版本可以在启动时分发到网络上的所有客户端,而不必从平台上删除客户端或NAS。基于NAS的网络引导方法的另一个好处是,操作系统和应用程序数据可以通过加密来保护,例如国家安全局(NSA)批准的CsFC双层加密。

网络启动还可以减少交换[大小、重量和功耗]问题,因为可以用一个NAS设备替换多个DAS设备。也就是说,与使用多个专用DAS设备进行引导相比,使用单个NAS设备进行网络引导可能会略微增加系统的总启动时间。

本地DAS设备可以更快地交付操作系统和应用程序,因为只需为一个客户端提供服务,而NAS设备必须为所有网络启动客户端提供服务。

DAS NAS SAN 三者之间的差异

DAS

640.jpg

NAS

640.jpg

SAN

相关实践学习
使用DAS实现数据库自动扩容和回缩
暂无
相关文章
|
6月前
|
供应链
代采系统如何利用大数据分析优化采购决策?
代采系统可以利用大数据分析来优化采购决策
|
1月前
|
数据采集 存储 人工智能
数据治理工作的持续评估与优化策略
数据治理工作的持续评估与优化是企业实现数据价值最大化的关键。通过明确目标、建立评估体系、实施定期评估、制定优化策略以及建立反馈机制,企业可以不断提升数据治理水平,为业务决策提供有力支持,推动企业持续健康发展。在这个过程中,保持对新技术、新方法的关注与探索,也是确保数据治理工作与时俱进的重要途径。
|
13天前
|
存储 分布式计算 分布式数据库
风险数据集市整体架构及技术实现
【11月更文挑战第11天】在当今大数据时代,风险数据集市作为金融机构的核心基础设施之一,扮演着至关重要的角色。它不仅为银行、保险等金融机构提供了全面、准确的风险数据支持,还帮助这些机构实现了风险管理的精细化和智能化。本文将深入探讨一种基于大数据Lambda架构设计的风险数据集市整体架构,并详细介绍其底层实现原理及实现方式。
33 3
|
1月前
|
供应链 监控 搜索推荐
数据驱动方式如何帮助企业提高决策的准确性和效率?
【10月更文挑战第13天】数据驱动方式通过提供全面准确的信息、及时发现问题和机会、提高决策效率、实现精细化决策、降低决策风险、促进协同沟通以及增强适应性等多方面的作用,显著提高了企业决策的准确性和效率。在当今数字化时代,企业应积极拥抱数据驱动的理念和方法,充分利用数据的价值,为企业的发展和成功奠定坚实基础。你所在的企业是如何运用数据驱动方式来提升决策水平的呢?分享一下你们的经验和做法吧。
27 0
|
2月前
|
数据采集 存储 关系型数据库
选择合适的数据收集方式,需要考虑多个因素,
选择合适的数据收集方式,需要考虑多个因素,
96 5
|
3月前
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
|
3月前
|
缓存 负载均衡 架构师
优化大型数据处理系统的性能:从设计到实施
在数据驱动的世界中,大型数据处理系统的性能对企业运营至关重要。本文将探讨如何通过优化设计、选择合适的技术栈以及实施高效的策略来提升数据处理系统的性能。我们将深入分析数据库设计优化、并发处理、数据缓存策略、和数据流管理等关键领域,提供实际案例和技术建议,以帮助开发人员和系统架构师构建高效、可扩展的数据处理系统。
|
4月前
|
传感器 数据采集 测试技术
工程结构健康状况评估是保持建筑物和桥梁等基础设施安全性和稳定性的重要工作
工程结构健康状况评估是保持建筑物和桥梁等基础设施安全性和稳定性的重要工作
工程结构健康状况评估是保持建筑物和桥梁等基础设施安全性和稳定性的重要工作
|
4月前
|
机器学习/深度学习 监控 数据挖掘
系统工程是一种跨学科的方法,用于理解和优化复杂系统的性能。在业务流程优化中,系统工程的方法可以帮助我们分析、设计、实施和监控业务流程,以实现效率、质量和成本等方面的改进。
系统工程是一种跨学科的方法,用于理解和优化复杂系统的性能。在业务流程优化中,系统工程的方法可以帮助我们分析、设计、实施和监控业务流程,以实现效率、质量和成本等方面的改进。
|
4月前
|
网络协议 Python
系统工程是一种跨学科的方法论,旨在通过分析和设计系统的各个组成部分、组织结构、信息流和控制机制,以实现系统的整体最优运行。
系统工程是一种跨学科的方法论,旨在通过分析和设计系统的各个组成部分、组织结构、信息流和控制机制,以实现系统的整体最优运行。