希捷预测预测2015年存储、大数据和云趋势

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

“进行预测并不容易,尤其是对未来的预测”,Nils Bohr和其他人一样,也是这么认为的;不过不管是谁先发出这样的感叹,这句话用在当今科技领域是再合适不过了。技术革新速度如此之快,因而预测短时间内的发展都可能存在失误的危险。不过,伴随着2015年的到来,几个非常明显的趋势正在形成,这些趋势值得整个业界的重视:迫在眉睫的数据存储空间短缺,更到位的网络隐私政策出台,更智能化的大数据应用架构以及向混合云模式的转变。

存储:正在缩减的资源

或许很难相信我们的磁盘空间短缺。不过,当今数据的构成不仅仅包括文本文件以及电子表格,同时还包括无数的高清晰视频以及高分辨率图片。在这样的情况下,磁盘空间短缺确实是一个严酷的现实。2013年,世界范围内产生的数据量达到3.5ZB,这相当于1200亿部32GB的智能手机或6000亿台DVD(换言之,相当于30多亿年的视频)。截止到2020年,我们创造的数据将会是3.5ZB的10倍之多。不过此前,我们可能会先遇到麻烦;据统计显示,到2016年,我们创造数据的速度远高于存储的速度。

存储业面临着这样一个问题:当前硬盘采用的垂直磁记录技术推出多年,已经“老态龙钟”。尽管该技术可以将大量信息压缩进很小的磁盘空间,不过还是没有办法再提升数据存储密度。好消息是,几项旨在解决该问题的创新技术正在研发中。例如,希捷正投资热辅助磁记录(HAMR)技术,预期该技术可以将磁记录上限提升100倍——让每平方英寸惊人的50Tb的理论上限成为可能。

众多业内专家认为,商业化的热辅助磁记录(HAMR)硬盘的出现仍然需要时日,2016年前上市不大可能。而2015年,为提升数据存储效率而采取的临时措施将会成为关注的重点。在等待新一代硬盘出现的过程中,工作场所更明智的数据政策、更先进的重复数据删除方式以及更进步的数据备份策略都将为提升存储效率做出贡献。

大数据:采用数据分层管理模式避免故障

对于消费者来说,预测的数据存储能力缺口可能会让他们感到烦恼,电视节目以及照片的存储空间变小,不过这还不至于成为一场大灾难。但是对于企业来说,由于他们日益依赖大数据来了解业务以及客户,数据存储能力缺口对他们的威胁则大的多。当今,大数据主要存储于由标准软硬件组成的传统磁盘存储阵列,同步性能差,效率低下。随着数据量的攀升以及随之而来的对于信息处理的需求增加,首席信息官们将不得不战略性地思考如何长远地管理数据。

IT部门等待新一代硬盘技术的同时,数据分层管理模式将会更受推崇,该模式基于现有技术,效率更高。通过将传统硬盘、固态混合硬盘以及固态硬盘进行智能分层,首席信息官就可以更有效地管理数据;例如,固态硬盘保障最重要的数据可被快速便捷地获取,同时较慢的硬盘会保障次要元数据的可获取性以及安全性。基于该模式,更多的数据中心将会于2015年建成,这是因为,从IT主管到数据分析师乃至市场部等都在努力地获取、存储以及利用世界网络中由于设备激增而带来的海量数据。

加强数据隐私保护

数据爆炸不可避免地产生这样的结果:消费者越来越担心他们的数据隐私情况。消费者使用的产品及服务供应机构会掌握他们的一些数据,而直到最近,消费者还是基本不能控制他们这些数据的安全性。2014年,欧洲法院以及欧洲议会对实施长达几十年的数据及隐私监管条例进行彻底修正。现在消费者以及品牌在使用搜索引擎时,都可享受“被遗忘权”,比如,一个在数字领域引发争议的产品就可以被遗忘。

目前,这些条例对阐明消费者数据隐私复杂情况的具体作用有限,不过有其他迹象显示,商业界开始更加重视保护客户的隐私。一些开明的商家做出很大的努力,告知消费者他们需要获取的数据以及他们会如何更好地利用这些数据,在这个过程中客户关系得到加强,同时提升长期的参与度。2015年,数据作为市场工具的作用在提升,预计更多的机构会在数据资产方面表现的更加透明开放,至少更为重要的是,他们会公布数据的使用意图。

云:混合云出现

云计算成为当今的主流,不过我们仍然处于该技术向成熟商业平台演化的早期阶段。很多企业发现,他们的早期私有云的部署已经到达容量极限,被迫向公共资源(所谓的云爆发)扩展。另外一些企业发现,投资昂贵、需要大量资源的私有云以运行商业应用程序并无太大意义,这些应用程序在公共云平台中可以更有效地运行,而在私有云环境中运行任务关键型应用才更有意义。

这些所谓的混合方式需要得到不同规模企业的信任及支持,不过其中涉及到的云技术及安全因素决定企业对该混合方式的信任程度。2015年,受到云存储、带宽改善以及更有效的安全措施等因素推动,混合云的实施以及新兴商业模式的表现会更加强劲。

原文发布时间为:2015年3月2日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
存储 消息中间件 大数据
大数据-69 Kafka 高级特性 物理存储 实机查看分析 日志存储一篇详解
大数据-69 Kafka 高级特性 物理存储 实机查看分析 日志存储一篇详解
38 4
|
1月前
|
消息中间件 存储 缓存
大数据-71 Kafka 高级特性 物理存储 磁盘存储特性 如零拷贝、页缓存、mmp、sendfile
大数据-71 Kafka 高级特性 物理存储 磁盘存储特性 如零拷贝、页缓存、mmp、sendfile
56 3
|
1月前
|
存储 消息中间件 大数据
大数据-70 Kafka 高级特性 物理存储 日志存储 日志清理: 日志删除与日志压缩
大数据-70 Kafka 高级特性 物理存储 日志存储 日志清理: 日志删除与日志压缩
41 1
|
1月前
|
存储 消息中间件 大数据
大数据-68 Kafka 高级特性 物理存储 日志存储概述
大数据-68 Kafka 高级特性 物理存储 日志存储概述
27 1
|
1月前
|
存储 算法 NoSQL
大数据-138 - ClickHouse 集群 表引擎详解3 - MergeTree 存储结构 数据标记 分区 索引 标记 压缩协同
大数据-138 - ClickHouse 集群 表引擎详解3 - MergeTree 存储结构 数据标记 分区 索引 标记 压缩协同
34 0
|
1月前
|
存储 消息中间件 分布式计算
大数据-137 - ClickHouse 集群 表引擎详解2 - MergeTree 存储结构 一级索引 跳数索引
大数据-137 - ClickHouse 集群 表引擎详解2 - MergeTree 存储结构 一级索引 跳数索引
36 0
|
1月前
|
存储 SQL 分布式计算
大数据-127 - Flink State 04篇 状态原理和原理剖析:状态存储 Part2
大数据-127 - Flink State 04篇 状态原理和原理剖析:状态存储 Part2
20 0
|
1月前
|
存储 消息中间件 大数据
大数据-126 - Flink State 03篇 状态原理和原理剖析:状态存储 Part1
大数据-126 - Flink State 03篇 状态原理和原理剖析:状态存储 Part1
61 0
|
3月前
|
存储 缓存 NoSQL
深入解析Memcached:内部机制、存储结构及在大数据中的应用
深入解析Memcached:内部机制、存储结构及在大数据中的应用
|
3月前
|
存储 分布式计算 算法
"揭秘!MapReduce如何玩转压缩文件,让大数据处理秒变‘瘦身达人’,效率飙升,存储不再是烦恼!"
【8月更文挑战第17天】MapReduce作为Hadoop的核心组件,在处理大规模数据集时展现出卓越效能。通过压缩技术减少I/O操作和网络传输的数据量,不仅提升数据处理速度,还节省存储空间。支持Gzip等多种压缩算法,可根据需求选择。示例代码展示了如何配置Map输出压缩,并使用GzipCodec进行压缩。尽管压缩带来CPU负担,但在多数情况下收益大于成本,特别是Hadoop能够自动处理压缩文件,简化开发流程。
60 0
下一篇
无影云桌面