探索数据中心采购决策之存储网络与云存储

简介:

在探索数据中心采购决策系列文章中,我们在第一部分《【探索数据中心采购决策】之刀片服务器与软件定义网络》中介绍了IT管理员对服务器与网络设施的采购决策及影响因素。在第二部分《 【探索数据中心采购决策】之虚拟化管理软件与灾难恢复》中,我们介绍了67%的IT和商业专家希望虚拟化管理软件能监控服务器的可用性。另外,数据中心复制刺激了购买灾难恢复的需求。这里是第三部分,主要介绍数据中心对存储网络及云存储的需求。

 探索数据中心采购决策之存储网络与云存储

数据中心花钱让存储网络的管理更简单

数据中心采购专家调查发现基于以太网的存储网络已经为更简单的管理和基础设施简化做好了准备。

TechTarget网络基础设施调研发现,有61%的回访者称数据中心和存储网络管理的简化是他们最希望的,另外51%的回访者希望将数据中心的网络操作进行聚合。

综合性网络将数据中心和存储网络流量整合在同一个网络基础架构内,而目前占主导的数据中心架构的存储网络是一张依赖于类似Fibre Channel的专用无损网络。当今Fibre Channel还是在大型企业数据中心中占主导地位,而此时类似iSCSI和Fibre Channel over Ethernet(FCoE)这种协议则表明可以当作其替代品。

即便以太网技术承诺不会落后太多,但是存储网络管理的确可能是数据中心内最大的顾虑。分别有43%和41%的回访者称随选存储和存储虚拟化/分割吸引着他们的兴趣,这些都是让他们对以太网存储网络失去投资兴趣的原因。

IT会出于一些令人惊奇原因购买云存储

IT组织购买云存储一方面是为了灾难恢复,另一方面是为了保持内部的存储系统负荷。

TechTarget云存储调查的回访者中,认为购买云存储的原因是为了备份、归档和灾难恢复的比例分别是63%,43%和42%。还有50%的IT专家觉得云存储可以作为生产数据的首要存放位置。另外47%的回访者会以协作和文件共享的原因来购买云存储。

位于Raleigh的云咨询公司Opex Technologies的COO Rich Nowalk觉得,现在很多的企业都会表示基础架构不是他们的核心能力。这方面不是他们比较在行的,他们需要为在行的应用、服务、数据分析做准备。这些方面才是他们需要专注并花费时间的地方,而不是硬件。

不是所有的组织可以(或者应该)将协作数据放在公有云服务器上,安全和价格是需要考虑的因素。不过IT公司也发现了相对于安装一个全新的存储阵列而言,购买云存储要简单很多。

IDC研究公司项目总监Ashish Nadkarni称:“云存储最大的好处是按需付费,如果存储空间使用完了,你可以马上购买更多容量来使用”。


作者:Meredith Courtemanche 翻译:肖培庆

来源:51CTO

相关文章
|
5天前
|
运维 负载均衡 监控
|
29天前
|
存储 缓存 NoSQL
Redis为什么速度快:数据结构、存储及IO网络原理总结
Redis为什么速度快:数据结构、存储及IO网络原理总结
|
2月前
|
数据中心 网络架构 Python
【计算巢】数据中心的网络架构设计原则
【5月更文挑战第31天】探讨数据中心网络架构设计原则:稳定性是基础,需抵御各种挑战;强调扩展性,适应业务发展;追求高效,确保数据传输速度;注重灵活性,灵活应对变化。简单Python代码示例展示网络节点连接。设计时需具备长远眼光,综合考虑技术方案,以构建坚固高效的信息桥梁。同学们,要持续学习和探索,为信息世界贡献力量!
|
2月前
|
机器学习/深度学习 数据可视化 算法
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
|
2月前
|
机器学习/深度学习 安全 网络安全
利用机器学习优化数据中心能效的研究数字堡垒的构建者:网络安全与信息安全的深层探索
【5月更文挑战第29天】在云计算和大数据时代,数据中心的能效问题成为关键挑战之一。本文通过集成机器学习技术与现有数据中心管理策略,提出了一种新型的智能优化框架。该框架能够实时分析数据中心的能耗模式,并自动调整资源分配,以达到降低能耗的目的。研究结果表明,应用机器学习算法可以显著提升数据中心的能源使用效率,同时保持服务质量。
|
2月前
|
人工智能 安全 网络安全
网络安全与信息安全:防护之道探索现代数据中心的能效优化策略
【5月更文挑战第29天】 在数字化时代,网络安全与信息安全已成为我们不可忽视的问题。本文将深入探讨网络安全漏洞的成因,加密技术的应用,以及提升安全意识的重要性。我们将了解到,网络安全并非只是技术问题,更是一种全民参与的过程。 【5月更文挑战第29天】 在数字化转型的浪潮中,数据中心作为信息处理和存储的核心枢纽,其能源效率已成为衡量其可持续性的关键指标。本文将深入探讨现代数据中心实现能效优化的策略与实践,从硬件选择、冷却系统创新、能源管理软件到人工智能辅助决策,揭示如何通过综合手段提升数据中心运行效率,同时减少环境影响。
|
2月前
|
机器学习/深度学习 自然语言处理 数据可视化
揭秘深度学习模型中的“黑箱”:理解与优化网络决策过程
【5月更文挑战第28天】 在深度学习领域,神经网络因其卓越的性能被广泛应用于图像识别、自然语言处理等任务。然而,这些复杂的模型往往被视作“黑箱”,其内部决策过程难以解释。本文将深入探讨深度学习模型的可解释性问题,并提出几种方法来揭示和优化网络的决策机制。我们将从模型可视化、敏感性分析到高级解释框架,一步步剖析模型行为,旨在为研究者提供更透明、可靠的深度学习解决方案。
|
2月前
|
存储 网络协议 数据库
数据中心网络架构的需求原则及策略
【5月更文挑战第15天】本文讨论了数据中心建设的重要性,它能提升用户体验,保证业务连续性和数据安全。
|
2月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
2月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。