自2015年，存儲“老大”EMC被Dell收購后，唱衰企業(yè)存儲的論調(diào)就一直存在。尤其是在近幾年，隨著云存儲的興起，傳統(tǒng)存儲更是不斷被打壓，似乎存儲在企業(yè)IT基礎架構中的作用越來越不重要了。然而，事實是否真的如此呢？
在經(jīng)歷了企業(yè)紛紛上云的熱潮后，尤其是一些大中型的企業(yè)發(fā)現(xiàn)，傳統(tǒng)存儲在企業(yè)IT架構中是不可或缺的，是必須存在的。
不僅如此，隨著5G、AI、短視頻等行業(yè)的發(fā)展，存儲技術在近兩年也迎來了快速的發(fā)展，各種存儲技術層出不窮，今天我們就來聊聊企業(yè)存儲的那些新技術。
存儲管理
二十年前部署的存儲，已經(jīng)成為如今企業(yè)存儲和數(shù)據(jù)管理的痛點，應用程序被綁定到特定的存儲陣列或服務器上。
升級這些設備，意味著昂貴的硬件成本以及遷移帶來的高風險；同時，為了滿足處理使用高峰的需求，傳統(tǒng)的存儲必須能顧滿足高峰狀態(tài)下的業(yè)務需求，這就造成了閑時的資源浪費。
隨著操作系統(tǒng)虛擬化，容器、云集成等橫向擴展基礎的支持，我們很難了解到底是什么應用在占用我們的存儲空間，甚至難以計算這些應用是否具有成本效益，特別是考慮到一些高帶寬應用的存在，帶來的挑戰(zhàn)更是錯綜復雜。
未來，我們需要能夠有更好的跨平臺存儲管理和分析應用工具，它們能夠利用機器學習來管理并建議管理員，如何優(yōu)化存儲基礎架構以獲得性能和成本。
這些應用程序?qū)⒘私飧鞣N存儲設備的成本，通過其執(zhí)行方式、可用性和可靠性，并根據(jù)應用程序需求對這些應用的價值進行權衡，看這個應用是否真的給企業(yè)帶來價值。
雖然現(xiàn)在存儲管理提供商越來越多，但目前來說，仍然很難滿足企業(yè)尤其是大企業(yè)的需求。未來隨著人工智能、機器學習等技術的發(fā)展，將助力企業(yè)更充分的管理它們的存儲設備。
大內(nèi)存服務器
今年，英特爾等公司推出了非易失性隨機訪問存儲器（NVRAM），這些存儲器在電源斷電后仍然能夠保持數(shù)據(jù)。
由于NVRAM位于服務器的內(nèi)存總線上，因此比磁盤或SSD快幾個數(shù)量級。但與SSD不同，NVRAM可以作為內(nèi)存字節(jié)或4K存儲塊進行訪問。這為系統(tǒng)架構師在配置系統(tǒng)時提供了最大性能和兼容性的靈活性。
NVRAM一個常見的用例是用于大型內(nèi)存服務器。例如，最新的Xeon SP（Skylake）服務器每個處理器可以支持高達1.5TB的內(nèi)存，但實現(xiàn)這一目標所需的12個128GB DIMM成本很高。
相反，英特爾的Optane NVRAM DIMM價格低至每128GB 625美元，而且功耗也低得多。使用經(jīng)濟實惠的Optane DIMM，可以在內(nèi)存中運行大型數(shù)據(jù)庫，從而顯著提高性能。
橫向擴展存儲
所有的云供應商都使用高度可擴展架構來存儲數(shù)十億的數(shù)據(jù)。 目前，越來越多的橫向擴展技術開始應用到企業(yè)中。
在橫向擴展存儲流行之前，企業(yè)往往要購買大量的存儲陣列，以確保將來擴展時能有足夠的磁盤空間。如果后來沒有擴展容量或者擴展的比預期的要少的多，那么原先購買的磁盤都會浪費。
有了橫向擴展存儲架構，在購買磁盤時就可以量力而行，一旦存儲空間的需求超出預期，可以添加新的陣列而不會受到任何限制。
數(shù)據(jù)安全
如今，隨著人們對數(shù)據(jù)越來越看重，數(shù)據(jù)的安全性已經(jīng)成為企業(yè)的重點，數(shù)據(jù)安全領域?qū)⒃谖磥韼啄陜?nèi)進行徹底的改變。
隨著歐洲通用數(shù)據(jù)保護條例（GDPR）的出臺，如今人們對數(shù)據(jù)安全達到了前所未有的高度，同時也擴大了對于用戶個人數(shù)據(jù)的定義。
企業(yè)必須將用戶個人的IP地址或cookie數(shù)據(jù)等信息置于和其他用戶機密數(shù)據(jù)（姓名、地址以及社會安全號碼等）相同的保護等級。
雖然數(shù)據(jù)安全法規(guī)的出臺，對數(shù)據(jù)隱私保護是積極的，但由此對行業(yè)帶來的影響也是巨大的。
物聯(lián)網(wǎng)、人工智能、機器學習這些領域的發(fā)展，依靠著數(shù)據(jù)量來訓練，這些領域的發(fā)展將面臨合規(guī)考驗，這就需要企業(yè)在滿足數(shù)據(jù)安全合規(guī)的情況下，利用好數(shù)據(jù)，創(chuàng)造價值。
神經(jīng)處理器
如果您的企業(yè)使用或計劃使用機器學習，你就需要熟悉神經(jīng)處理器。神經(jīng)處理器是大規(guī)模并行算術邏輯單元，針對機器學習模型所需的模型進行了優(yōu)化。
如今，神經(jīng)處理器越來越普遍，所有云供應商都在試圖創(chuàng)建了自己的神經(jīng)處理器，例如Apple Watch中有神經(jīng)處理器的應用。谷歌的阿法狗中也有神經(jīng)處理器的應用，TensorFlow加速器每秒可以運行90萬億次。
那么神經(jīng)處理器對存儲的需求是什么？帶寬。
在實時應用中，例如在機器人、自動駕駛和在線安全中，神經(jīng)處理器需要盡可能快地提供的數(shù)據(jù)，因此帶寬很重要。同時值得注意的是，除了帶寬，在提供數(shù)據(jù)時還要盡可能少地延遲，以便盡快完成所需的數(shù)學運算。
基于存儲的計算
隨著邊緣和數(shù)據(jù)中心數(shù)據(jù)量的快速增長，將數(shù)據(jù)移動到處理器計算越來越困難。相反，處理正在轉移到存儲。
這個概念目前被HPE，Dell / EMC和NGD Systems標記為智能存儲，并開始逐漸應用到他們的存儲設備中，通過內(nèi)置于存儲陣列控制器中的優(yōu)化，可以管理磁盤延遲或訪問模式的問題，我們稱之為存儲智能。
隨著快速和廉價的神經(jīng)處理器的出現(xiàn)，以及用于機器學習的足夠的數(shù)據(jù)庫，智能存儲在很大程度上可以被訓練成自我管理。除此之外，智能數(shù)據(jù)池也可以使用深度學習來進行管理，優(yōu)化存儲設備的應用。
如今，數(shù)據(jù)中心計算時代已經(jīng)來臨，全球有45億臺的計算設備在使用，尤其是大量移動設備的使用，將產(chǎn)生越來越多的數(shù)據(jù)，數(shù)據(jù)也正逐漸成為企業(yè)競爭武器。
通過存儲設備，保存數(shù)據(jù)，通過分析工具，讓數(shù)據(jù)產(chǎn)生價值，這一趨勢將在未來不斷的持續(xù)下去。
