IDC數(shù)據增長趨勢預測
IDC指出，?前每年存儲下來的數(shù)據只有新創(chuàng)建數(shù)據的1%左右，其中真正挖掘出價值的數(shù)據量不?存儲數(shù)據的10%。數(shù)據資產已成為企業(yè)數(shù)字化轉型的核心，未來隨著大數(shù)據和AI技術的發(fā)展，數(shù)據存儲比例和挖掘比例必將大幅提升，需要專業(yè)的分布式存儲來提供更高的存儲容量和并發(fā)性能。Gartner定義的第二存儲陣列也將大數(shù)據分析作為其典型應用場景，認為未來的大數(shù)據分析會為分布式存儲帶來海量的數(shù)據和性能需求。
分布式存儲市場表現(xiàn)
IDC將分布式存儲歸入了軟件定義存儲來跟蹤，IDC發(fā)布的《中國軟件定義存儲(SDS)及超融合存儲(HCI)系統(tǒng)市場季度跟蹤報告，2019年第二季度》顯示，中國區(qū)軟件定義存儲已經連續(xù)多個季度同比大幅增長。
IDC中國區(qū)SDS存儲2017Q2-2019Q2銷售數(shù)據
按IDC的預測，中國區(qū)SDS存儲銷售從2018年到2023年將保持20%以上的年化增長率;隨著5G、物聯(lián)網和人工智能快速發(fā)展，到2023年，全球40%左右的存儲系統(tǒng)都將是分布式存儲架構。另一家調研機構Zion Market Research更是預測，全球分布式存儲的銷售額將從2018年的20億美元快速增長到2027年的285億美元，年化增長率高達34.7%。無論從過去幾年的銷售數(shù)據還是未來幾年的銷售預測來看，分布式存儲的春天已經到來，以Ceph為代表的開源分布式存儲蓬勃發(fā)展，以EMC、華為為代表的專業(yè)存儲廠商重兵投入，同樣也印證了這一結論。
IDC中國區(qū)SDS存儲2018-2023年銷售數(shù)據預測
分布式存儲技術發(fā)展趨勢
分布式存儲是未來的發(fā)展方向已成為業(yè)界共識，那么分布式存儲技術上又有哪些發(fā)展趨勢呢，這點可以從Gartner分布式文件&對象存儲關鍵能力要求和各大主流廠商的產品方向上來看一下：
極致效率
Gartner對第二存儲的定義是：首要目的是經濟高效地支持延遲和IOPS不是必需屬性的非結構化數(shù)據工作負載， 典型用例包括長期歸檔，大數(shù)據分析應用程序的存儲庫，深度歷史研究以及備份/恢復軟件的備份/恢復目標。這就意味著，分布式存儲的首要目標是提供極致效率的數(shù)據存儲方案。
從Gartner分布式文件&對象存儲關鍵能力要求來看，效率主要體現(xiàn)在幾個方面：
? 擴展性：整集群應具備擴展到幾百甚至上千存儲節(jié)點的能力，簡化管理;單文件系統(tǒng)或單桶需要支持幾百甚至上千億文件，應對現(xiàn)在及未來的海量文件挑戰(zhàn)。
? 互通性：以自動駕駛為代表的新型應用已經越來越多的使用了文件、對象、HDFS多種訪問協(xié)議，多協(xié)議互通可以避免文件的多次拷貝，有效提升文件的共享訪問效率。
? 存儲效率：分布式存儲需要使用大比例EC(Erasure Coding)替代傳統(tǒng)的副本技術，獲得更高的存儲利用率;應具備重刪、壓縮等數(shù)據縮減能力，相同硬件可存儲更多的用戶數(shù)據;應支持高密硬件，應對海量數(shù)據的空間占用和功耗問題;應具備數(shù)據分級能力，熱、溫、冷數(shù)據可以使用不同的存儲硬件;
極致性能
分布式存儲不以支持低時延和高IOPS為首要目標，但并不意味著性能對分布式存儲就不重要了。IDC在《Data Age 2025》的報告中預測，實時數(shù)據占比將逐年提升，到2025年實時數(shù)據占比將達到30%，這么大規(guī)模的實時數(shù)據，很大一部分是需要借助分布式存儲實現(xiàn)數(shù)據采集、存儲和分析的，這就需要分布式存儲能夠提供極致性能來應對。
IDC全球實時數(shù)據占比預測
比較典型的如金融的風險評估、交通的自動駕駛、新興的AI應用，都需要從海量數(shù)據中快速獲取所需的信息并進行實時分析，這就要求存儲提供亞毫秒級的響應時延，同時以高擴展性應對高并發(fā)處理性能需求。業(yè)界主流廠商如EMC、PureStorage、華為等都推出了基于全閃存的分布式存儲產品，通過存儲軟件、專有硬件、網絡的深度配合，來滿足上層應用的極致性能需求。
智能管理
傳統(tǒng)數(shù)據中心多采用中心管控、集中運維的方式，故障定位多依賴專家的經驗，隨著存儲集群規(guī)模的增大和新技術的發(fā)展，這一模式運行的成本越來越高。各主流廠商紛紛推出“AI in Storage”的概念，利用云上云下技術結合，實現(xiàn)存儲的智能管理。
云下數(shù)據中心，以服務化的方式統(tǒng)一管理不同存儲設備，實現(xiàn)資源的自動化分配和數(shù)據在線流動，簡化業(yè)務發(fā)放;云下設備側，內嵌AI能力學習用戶的操作習慣和IO模型，和云上模型庫匹配實現(xiàn)性能自動優(yōu)化。云上統(tǒng)一運維側，分析云下海量設備的容量和性能增長的共性規(guī)律，實現(xiàn)容量和性能風險提前預測;分析云下設備的故障處理共性規(guī)律，提供故障預測能力及自動處理方案。
小結
隨著Cloud和AI時代的數(shù)據爆發(fā)式增長，分布式存儲的春天已經到來，用戶已經越來越多的選擇分布式存儲。通過協(xié)議互通、EC、重刪壓縮、高密等技術達成極致效率是分布式存儲的核心競爭力;軟硬件深度配合，云上云下協(xié)同，實現(xiàn)極致性能和智能管理成為分布式存儲發(fā)展的重要趨勢。
