30 年数据分析老兵 Tom Coughlin:企业如何高效存储和利用数据?

简介:

30 年数据分析老兵 Tom Coughlin:企业如何高效存储和利用数据?

编者按:随着互联网、云计算、移动终端和物联网的迅猛发展,全球数据量正在以爆发式的速度增长。据市场调研机构 IDC 预计,未来全球数据总量年增长率将维持在 50% 左右,到 2020 年,全球数据总量将达到 40 ZB。这无疑为大数据产业奠定了扎实的发展基础。当然,有机遇的地方就会有挑战。面对飞速增长的数据,如何高效存储和利用数据就成为企业需要攻克的难关。

近日, Tom Coughlin 博士撰文表达了自己对这一问题的看法。Tom Coughlin 为 IEEE 高级会员, Coughlin Associate 董事长, Annual Storage Visions Conference 创始人;《 Digital Storage in Consumer Electronics 》作者;他曾获得过 6 项专利,拥有超过 30 年数据存储行业工作经验。原文题为《 Recent Progress And Collaborations In Digital Storage 》,发布于Forbes。以下是雷锋网(搜索“雷锋网”公众号关注)编译,未经允许不得转载。

如今,开放式云存储正在加速满足非结构化数据的庞大需求,并且进一步优化网络流量管理。另外,数据公司也在积极同基础设施供应商合作,为消费者提供更好的服务,改善用户体验。

Redhat 指出,现在,数据存储容量的增速比 IT 行业存储预算增速要快。硬盘驱动器(HDDs)越做越大,但每 GB 平均价格的下降速度却低于 5 年前甚至更早。他们表示,想要填补需求和成本之间的缺口,能进行管理并且高效使用存储空间的软件是关键

30 年数据分析老兵 Tom Coughlin:企业如何高效存储和利用数据?

OpenStack 在 4 月份进行的用户调查证实了存储容量需求确实呈增长趋势。调查显示,68% 的参与者相信他们会把一定数额的预算分配给数据存储,而只有 1/3 的参与者觉得自己已经做好准备去迎接 PB 级的工作量。 Redhat 认为,处理不断增加的存储工作量需要的灵活性更强,工作规模更大,而把控制平面和数据平面分离开的存储软件解决方案则能满足这一需求。他们预计,到 2020 年软件定义存储市场的份额将会增加到 60 %。

数据迁移是使云计算得以广泛使用的关键。创业公司 NS1(最近获得了 B 轮融资)就正在将老旧的 DNS 升级为新的 IP 地址。它的专有 DNS 产品是SaaS ,能够在公共、私人或混合网络环境下管理 DNS 和应用流量。它的托管 DNS 服务器是一个以云计算为基础的智能DNS ,可为应用开发商提供速度和精准度提升和网络流量控制等服务。另外,它也可以登录 Pulsar(Pulsar是高级流量管理解决方案,可利用网络数据对流量路径做实时决策)。这类产品使内容交付性能得以提升,因此能够在相关储存系统中对数据进行迁入或者迁出。未来它们的市场可能会占到近 20 亿美元。

30 年数据分析老兵 Tom Coughlin:企业如何高效存储和利用数据?

Pure Storage 表示他们已扩展和思科之间的合作,进一步提供了增强FlashStack 融合基础设施的产品( Enhanced FlashStack Converged Infrastructure )。FlashStack 是思科统一计算系统(Cisco Unified Computing Systems)和纯存储闪存阵列 (Pure Storage FlashArray)的组成部分,可支持关键任务和关键业务应用,比如多达 5,000 个席位的 VDI 部署以及装备了 Oracle 12c 的应用。

日前,Panasas 和 Western Digital 正在合作使用 iRODS (一种集成的规则导向的数据系统)。他们基于开源软件,对生命科学研究中的数据进行挖掘。Panasas ActiveStor Astorage 、HGST Active Archive System和 iRODS Data Management Software 通过合作,创建了一种易于管理,并且具有高性能表现的多层存储基础架构。这种构架能够加速和优化数据访问,模拟和数据分析。

近日,Kaminario 宣布了他们的K-保险企业担保计划(K-Assured business guarantee program),就扩大、维护 SSDs 系统等方面为客户提供担保。

30 年数据分析老兵 Tom Coughlin:企业如何高效存储和利用数据?

由此可见,各个成员公司通常能从组建战略联盟中受益。可以想象,这些公司间的合作和以客户为中心的存储管理项目,将会对云存储系统和固态存储的发展产生极大的促进效果。


本文转自d1net(转载)

相关文章
|
1月前
|
自然语言处理 小程序 数据挖掘
数据分析实战-Python实现博客评论数据的情感分析
数据分析实战-Python实现博客评论数据的情感分析
104 0
|
2月前
|
数据采集 数据挖掘 API
主流电商平台数据采集API接口|【Python爬虫+数据分析】采集电商平台数据信息采集
随着电商平台的兴起,越来越多的人开始在网上购物。而对于电商平台来说,商品信息、价格、评论等数据是非常重要的。因此,抓取电商平台的商品信息、价格、评论等数据成为了一项非常有价值的工作。本文将介绍如何使用Python编写爬虫程序,抓取电商平台的商品信息、价格、评论等数据。 当然,如果是电商企业,跨境电商企业,ERP系统搭建,我们经常需要采集的平台多,数据量大,要求数据稳定供应,有并发需求,那就需要通过接入电商API数据采集接口,封装好的数据采集接口更方便稳定高效数据采集。
|
9天前
|
数据挖掘 定位技术
基于出租车GPS轨迹数据的研究:出租车行程的数据分析
基于出租车GPS轨迹数据的研究:出租车行程的数据分析
10 0
|
10天前
|
机器学习/深度学习 数据采集 数据挖掘
Python 的科学计算和数据分析: 解释什么是数据规整(Data Wrangling)?
【4月更文挑战第15天】数据规整是将原始数据转化为适合分析和建模的格式的关键步骤,涉及缺失值处理(删除、填充、插值)、异常值检测与处理、数据类型转换、重采样、数据合并、特征选择和特征变换等任务。这些预处理步骤确保数据质量和准确性,为后续的数据分析和机器学习模型构建奠定基础。
18 4
|
21天前
|
存储 机器学习/深度学习 数据采集
数据分析师如何处理数据以进行分析?
【4月更文挑战第4天】数据分析师如何处理数据以进行分析?
19 9
|
22天前
|
人工智能 监控 数据可视化
【Python】Python商业公司贸易业务数据分析可视化(数据+源码)【独一无二】
【Python】Python商业公司贸易业务数据分析可视化(数据+源码)【独一无二】
|
1月前
|
存储 数据采集 数据挖掘
python数据分析——数据分类汇总与统计
数据分类汇总与统计是指将大量的数据按照不同的分类方式进行整理和归纳,然后对这些数据进行统计分析,以便于更好地了解数据的特点和规律。
59 1
|
1月前
|
存储 SQL 数据挖掘
python数据分析——数据的选择和运算
在数据分析中,数据的选择和运算是非常重要的步骤。数据选择和运算是数据分析中的基础工作,正确和高效的选择和运算方法对于数据分析结果的准确性和速度至关重要。
43 0
|
1月前
|
JSON 数据挖掘 数据格式
python数据分析——数据分析的数据的导入和导出
数据分析的数据的导入和导出是数据分析流程中至关重要的两个环节,它们直接影响到数据分析的准确性和效率。在数据导入阶段,首先要确保数据的来源可靠、格式统一,并且能够满足分析需求。这通常涉及到数据清洗和预处理的工作,比如去除重复数据、处理缺失值、转换数据类型等,以确保数据的完整性和一致性。
36 0
|
1月前
|
数据采集 数据可视化 数据挖掘
python数据分析——业务数据描述
业务数据描述将从统计学角度来分析这指标。利用统计方法,数据分析人员可以通过相应统计模型开展数据分析。数据分析过程包括数据收集,数据处理,数据探索,模型方法应用,分析结果数据展现及形成分析报告。 业务报表是指对业务内容和数据的统计分析图表。统计图表代表了一张图像化的数据,形象地呈现数据。我们常常提到的可视化分析图表一般包括比较类图表,占比类图表,相关类图表和趋势类图表。
39 1