存儲(chǔ)管理已成眾多企業(yè)的短板

Andy Patrizio Charles

調(diào)查發(fā)現(xiàn)，企業(yè)雖然采用了人工智能、機(jī)器學(xué)習(xí)、邊緣計(jì)算和物聯(lián)網(wǎng)等技術(shù)，但仍在使用無法處理這些工作負(fù)載的傳統(tǒng)存儲(chǔ)方法。

可能你早就有所耳聞：企業(yè)競相采用新的技術(shù)模式，但在存儲(chǔ)方面仍然使用的是相對(duì)過時(shí)的技術(shù)。

由存儲(chǔ)供應(yīng)商N(yùn)GD系統(tǒng)公司對(duì)300多名存儲(chǔ)專業(yè)人員進(jìn)行的一項(xiàng)調(diào)查發(fā)現(xiàn)，在受訪的企業(yè)中，只有11%會(huì)把自己的計(jì)算和存儲(chǔ)能力評(píng)為“A”級(jí)。

為什么？ 受訪企業(yè)給出的主要原因是，盡管企業(yè)正在快速部署用于邊緣網(wǎng)絡(luò)、實(shí)時(shí)分析、機(jī)器學(xué)習(xí)和物聯(lián)網(wǎng)（IoT）項(xiàng)目的技術(shù)，但仍在使用傳統(tǒng)的存儲(chǔ)解決方案，而這些解決方案并不是針對(duì)此類數(shù)據(jù)密集型工作負(fù)載而設(shè)計(jì)的。超過一半的受訪者（54%）表示，對(duì)邊緣應(yīng)用的處理是瓶頸，他們需要更快、更智能的存儲(chǔ)解決方案。

NVMe SSD的應(yīng)用在增長，但不能滿足所有需求

也不全是壞消息。由Dimension研究公司進(jìn)行的題為“存儲(chǔ)和邊緣計(jì)算現(xiàn)狀”的研究發(fā)現(xiàn)，60%的存儲(chǔ)專業(yè)人員使用NVMe SSD技術(shù)來加速處理邊緣生成的大量數(shù)據(jù)。

然而，這并沒有滿足他們的需求。人工智能（AI）和其他數(shù)據(jù)密集型應(yīng)用的部署越來越多，數(shù)據(jù)傳送的距離也越來越長，這會(huì)導(dǎo)致網(wǎng)絡(luò)瓶頸，分析結(jié)果大大延遲。邊緣計(jì)算系統(tǒng)往往比傳統(tǒng)的數(shù)據(jù)中心占用的空間更小，因此性能有所限制。

解決方案是在接收數(shù)據(jù)的地方處理數(shù)據(jù)，在本例中是邊緣設(shè)備。把“麥粒”與“谷殼”分開后，只把相關(guān)的數(shù)據(jù)發(fā)送到上游數(shù)據(jù)中心進(jìn)行處理。這被稱為計(jì)算存儲(chǔ)，在存儲(chǔ)數(shù)據(jù)的地方處理數(shù)據(jù)，而不僅僅是移動(dòng)數(shù)據(jù)。

據(jù)這項(xiàng)調(diào)查，89%的受訪者表示，他們希望計(jì)算存儲(chǔ)能真正帶來價(jià)值。當(dāng)然了，NGD是計(jì)算存儲(chǔ)系統(tǒng)的供應(yīng)商。所以，這個(gè)發(fā)現(xiàn)是不是有點(diǎn)私心不得而知，但這并不意味著他們的觀點(diǎn)是無效的。處理其所在位置的數(shù)據(jù)是邊緣計(jì)算的重點(diǎn)。

調(diào)查中發(fā)現(xiàn)：

● 55%的受訪者使用邊緣計(jì)算。

● 71%的受訪者使用邊緣計(jì)算進(jìn)行實(shí)時(shí)分析。

● 61%的受訪者表示，傳統(tǒng)存儲(chǔ)解決方案的成本一直困擾著其應(yīng)用。

● 57%的受訪者表示，更快地訪問存儲(chǔ)能提高他們的計(jì)算能力。

研究還發(fā)現(xiàn)，NVMe應(yīng)用的速度非常快，但受礙于價(jià)格。

● 86%的受訪者預(yù)計(jì)存儲(chǔ)的未來在于NVMe SSD。

● 60%的受訪者在其工作環(huán)境中使用NVMe SSD。

● 63%的受訪者表示，NVMe SSD有助于提高存儲(chǔ)速度。

● 67%的受訪者表示，預(yù)算和成本問題阻礙了NVMe SSD的應(yīng)用。

最后一項(xiàng)發(fā)現(xiàn)就是這么多企業(yè)為什么工作受到阻礙的原因所在。無論出于什么原因，他們使用的還是傳統(tǒng)的存儲(chǔ)系統(tǒng)而不是新的NVMe系統(tǒng)，這不利于他們的工作。

GPU不會(huì)提高工作負(fù)載的性能

一項(xiàng)有趣的發(fā)現(xiàn)是：70%的受訪者說他們正在使用GPU來幫助提高工作負(fù)載的性能，而NGD認(rèn)為這并不好。

NGD系統(tǒng)公司的首席執(zhí)行官兼創(chuàng)始人Nader Salessi在一份聲明中指出：“我們發(fā)現(xiàn)，一半以上的受訪者積極地使用邊緣計(jì)算，超過70%的受訪者使用傳統(tǒng)的GPU，這不會(huì)減少實(shí)時(shí)分析海量數(shù)據(jù)集所需的網(wǎng)絡(luò)帶寬、功耗和占地空間，對(duì)此，我們絲毫也不感到奇怪。”

這是因?yàn)镚PU雖然能夠很好地完成重復(fù)性任務(wù)和并行處理工作，但計(jì)算存儲(chǔ)在很大程度上是一種串行處理工作，面臨的任務(wù)在不斷變化。因此，雖然一些處理工作會(huì)受益于GPU，但很多工作不會(huì)，GPU基本上被浪費(fèi)了。

Andy Patrizio是南加州的一名自由撰稿人，20多年來一直從事計(jì)算機(jī)行業(yè)，他所擁有的每一臺(tái)x86個(gè)人計(jì)算機(jī)都是他自己組裝的，不包括筆記本計(jì)算機(jī)。

原文網(wǎng)址

https：//www.networkworld.com/article/3411400/storage-management-a-weak-area-for-most-enterprises.html