2016年的数据存储和管理的成本将何去何从?

据IT行业专家称,全球电子存储数据总量每两年翻一番。随着越来越多的企业走向数字化,其数据量的增长推动了存储技术提高了效率和成本效益,并对数据管理工具产生了更大的市场需求。

许多组织正在考虑采用外包服务或云存储选项,包括用于灾难恢复和备份的选项,以作为其整体存储和数据管理策略的一部分。在这个过程中,重要的是要知道,存储服务的成本变得越来越取决于存储数据和管理技能和工具的整体成本。

储存数据的成本下降

在过去的几年中,数据的存储成本持续下降,下降了15%到20%。这是几个因素导致下降的结果,其中包括:

·媒质的成本不断下降,即使是固态硬盘(SSD)的成本也在下降,近年来,所有类型介质的存储磁盘密度不断增加。

·更好的管理工具,推动现有的存储资源具有更高的利用率,使远程存储管理更容易

·将数据备份到磁盘,从而减少了磁带处理和非现场存储的要求

·对象存储。可更有效地用于需要多个在线副本非结构化数据存储和数据集。

·更多的弹性容量需求,将基于云计算的选项加入到混合解决方案,由于开放标准和通用API集成,从而更容易交付

存储硬件和软件一直是影响外包存储服务的价格主要变量。在过去的几年中,已经出现了固态硬盘,软件定义的存储,hyperconvergence,以及自动分层新技术,正在推动更高的性能和可用性,但也使存储和数据管理更加复杂。存储服务提供商面临的压力越来越大,以帮助管理数据,增加了复杂的整体存储环境中的作用,这是一个期望。

而数据存储和数据管理市场的价格也受到存储供应商和服务供应商的持续整合的影响。根据最新的一个业界消息,戴尔公司投资670亿美元收购数据存储供应商EMC公司。与此同时,许多特殊的厂商仍然以其具有竞争力的价格提供独特的解决方案。而存储提供商也不断推出新的技术,并进入更高效和更有效的存储管理软件市场。

更改存储策略

许多组织已经实施或正在实施在其生产的存储环境的SSD层。虽然SSD层仍然构成整体磁盘存储的相当小的一部分,它可以有效地用于改善高端关键业务应用程序,以及可以满足快速吞吐量或输入/输出数据的要求。绝大多数存储的非结构化数据不要求高速访问和吞吐量性能。通常情况下,一个组织的数据,超过60%驻留在较低性能,更高容量的存储层。

如今,大量的非结构化数据已接近其生命周期的尾声,最终用户很少访问,因而这种数据可以并且应该归档。虽然与磁带相比,采用磁盘是一个更昂贵的选项,但在大多数组织的备份和灾难恢复策略中,采用磁带存储仍是一个主流,因为要求更快、更直接访问数据拷贝。存档空间采用磁带存储,同样是因为其具有重要的存储和查询功能,因此,在大多数组织的整体数据管理策略,磁带仍然发挥着关键作用。

引入更好的管理工具,以及主磁盘存储的重复数据删除,为企业提供了一个更全面地自动化的方式满足性能需求的使用存储的能力。统一存储已经推出简化存储区域网络(SAN),并在一个单一的存储子系统的网络附加了存储(NAS)“单一窗口”的管理能力。软件定义的存储也正在改变企业虚拟化和存储数据的景观。这些技术提供了新的功能,允许更多的自动化存储管理,但他们不能满足数据管理的总体规划和决策的要求。

管理数据的复杂性不断增加

因此,如今数据存储的实际成本除了于其存储技术本身进步以外,还要努力对其进行管理。这种情况将因数据生命周期管理的日益严格的要求变得更加复杂,提高了数据保留期的法规要求,数据检索电子发现请求和其他法律需求相关的需求增加,以及更多使用端到端加密。

任何企业的目标都是以容量和性能的需求来平衡仓储成本。而达到这个平衡需要深入了解一个组织是如何产生数据,并从创建的角度来看,如何利用、储存、破坏或删除数据的。当数据移动到归档存储,或当数据应该被销毁时,许多组织仍然缺乏数据管理策略。因此引入了Niche存储技术,以适应这些特定的需求和数据管理的功能。然而,这些技术并不总是很好地集成到整体的端到端的解决方案,可能会提高使用存储服务供应商的风险和成本。

制定数据计划

制定数据计划是很重要的,因此,一个组织全面负责管理其数据的存储需求,即使其业务外包给数据存储服务提供商。这种努力包括计划和创建一个体系结构,考虑到新的存储技术和性能,并从应用层的容量和数据可用性的变化考虑其要求。

例如,大规模非结构化数据集应该在数据使用模式以及应用程序的性能要求的基础上自动分层。每个磁带归档存储的千兆字节的成本要比磁盘存储的成本要低。因此,映射整体的存储和数据使用模式的可用性,以及数据集的响应和检索时间要求的业务需求,可以显著地影响存储服务的整体成本。

正在开发的归档解决方案可以无缝地集成到整体的存储架构中,需要进行规划,并对数据生命周期有着详细的了解。对于归档环境的体系结构和设计应保持与企业一致,而不是存储服务供应商,因为如果数据被归档到较低的性能存储平台时,就需要做出一些决定。

当然,使用云服务作为一个整体的端到端的存储解决方案,对于复杂数据的存储难题推出了一个全新的层。通常情况下,云团队管理所有的基础设施技术塔的端到端资源,不只是存储。融合和hyperconverged基础设施解决方案设计的内置自动化可以通过自动化和整合的存储进行简化,服务器和网络管理应用迁移到云计算的工作。但由于公共云供应商控制数据出口,一个组织移动数据或从云计算需要确定一个给定的应用程序的使用模式,才可以准确预测其真正的所有权和管理成本。

如果使用得当,许多这些新的存储技术可以帮助组织和存储服务供应商更有效地管理和访问他们的数据增长量。然而,数据管理在采购协议仍然是一个模糊的和隐藏的成本,如果范围没有明确界定,存储管理服务要以相应的价格分开。企业需要与他们的存储服务供应商紧密合作,以管理数据存储服务的成本以及数据管理服务。

本文转自d1net(转载)

时间: 2024-10-02 02:36:04

2016年的数据存储和管理的成本将何去何从?的相关文章

JCards 6.5.1发布 数据存储和管理工具

JCards 是一个Java应用程序,用于用户定义的任何格式的数据存储和管理.它能够代替多种应用程序/电子表格/数据库来管理密码.任务和购物清单等,它http://www.aliyun.com/zixun/aggregation/18736.html">允许用户定义一个数据库,通过一个易于使用的界面,无需了解SQL的或任何其他数据库的行话. JCards 6.5.1该版本进行了各种小错误的修正. 软件信息:http://www.nsydenham.net/java/JCards/JCard

一种多租户云数据存储缓存管理机制

一种多租户云数据存储缓存管理机制 史玉良 王捷 随着云计算的普及,软件即服务(software as a service,SaaS)逐渐成为云计算的一种重要表现形式.云中数据节点的缓存是提高多租户应用数据访问性能的一种重要资源,缓存资源的共享和分配受到SaaS提供商的关注.对SaaS提供商而言,如何在多租户间有效地分配数据节点上的缓存资源,从而满足租户的服务水平协议(service level agreement,SLA),获得更高的收益已成为一项挑战.为此,提出了多租户云数据存储缓存管理机制,

《大数据管理概论》一3.2 大数据存储与管理方法

本节书摘来自华章出版社<大数据管理概论>一书中的第3章,第3.2节,作者 孟小峰,更多章节内容可以访问"华章计算机"公众号查看 3.2 大数据存储与管理方法 闪存.PCM等新型存储介质的引入使得大数据存储架构有了多种选择.但由于新型存储介质在价格.寿命等方面与传统的磁盘相比不具优势,因此目前主流的观点是在大数据存储系统中同时使用新型存储介质和传统存储介质,由此产生了多种基于新型存储的大数据存储架构,如基于PCM的主存架构.基于闪存的主存扩展架构.基于多存储介质的分层存储架构

基于flex4技术从零开发flex博客系统:5 数据存储之管理Greeting

Google App Engine for java自今年4月7日开放申请,至今不足二十日,但关于GAE for java的博文已经出现了不少.继数据存储之后,这一课要研究如何通过客户端管理Greeting,即CURD的实现. 一,列表显示 在sban.flexblog.HelloWorld.java中添加一个获取所有Greeting的接口: public List<Greeting> getAllGreetings() { List<Greeting> result; try {

2016年哪些数据存储供应商身陷“围城”?

2016年,随着全球网络存储销售额下降,云蚕食本地市场,公众市场尚未分明,对于整个行业都是一个未知的年份.可如果说,2015年是并购与竞争最为契合的一年,那么2016年必然是一些大型厂商们急于解决遗留问题--合并与竞争压力关键性的一年. 合并与拆分--EMC/Dell,Veritas,HPE EMC与Dell身处存储世界的中心走向它们的670亿美元合并之路.由于该交易要到今年后期才能结束,这一年其用户,竞争厂商和Dell,EMC员工会花上大部分时间琢磨合并的公司到底是什么样子.没人能确定产品的去

非结构化数据存储与管理

问题描述 非结构化数据该怎么存储与管理呀?在网上看到的使用数据库或者数据库+文件系统,这在hadoop和swift中是如何体现的呢? 解决方案

大数据的存储和管理简介

任何机器都会有物理上的限制:内存容量.硬盘容量.处理器速度等,我们需要在这些硬件的限制和性能之间做出取舍,比如内存的读取速度比硬盘快得多,因此内存数据库比硬盘数据库性能好,但是内存为2GB的机器不可能将大小为100GB的数据全部放入内存中,也许内存大小为128GB的机器能够做到,但是数据增加到200GB时就无能为力了. 数据不断增长造成单机系统性能不断下降,即使不断提升硬件配置也难以跟上数据的增长速度.然而,当今主流的计算机硬件比较便宜而且可以扩展,现在购置八台 8内核.128GB内存的机器比购

《大数据存储:MongoDB实战指南》一1.3 大数据与云计算

1.3 大数据与云计算 大数据存储:MongoDB实战指南从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分.大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构.它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理,也就说大数据就像做饭用的一堆原材料,云计算就像做饭用的工具.云计算解决了大数据的运算工具问题,而对大数据的存储我们需要相应的云存储工具.云存储是在云计算概念上延伸和发展出来的一个新的概念,是指通过集群应用或分布式文件系统等功能,将网络中大量的存储设备通

《大数据管理概论》一第3章‖大数据存储3.1 引言

本节书摘来自华章出版社<大数据管理概论>一书中的第3章,第3.1节,作者 孟小峰,更多章节内容可以访问"华章计算机"公众号查看 第3章| 大数据存储 3.1 引言 大数据存储与管理研究首先面临的是存储技术上的挑战.虽然目前有许多存储技术有望用于大数据存储,但它们都存在局限性[36].例如:目前以NoSQL数据库为代表的大规模分布式数据库系统设计了基于磁盘存储的读写方式.索引结构.查询执行.查询优化和恢复策略,但是磁盘固有的读写性能差等弊端限制了大数据存取尤其是大数据分析性能